Introduction

What is Clustering?

Clustering is a unsupervised learning method and technique that allows us to group data points close to each other into a single group.

NOTE : Unsupervised learning is one of two broad classes of machine learning, in unsupervised learning, there is no outcome variable to predict. Imagine receiving outcomes of a survey, with the survey results we would like to put customers in certain groups. The trouble is we don’t know what these groups are to begin with.

How can we use clustering?

Clustering can be used in many ways, but the two most common use-cases for clustering are :

  1. Simplifying a categorical variable to reduce the number of categories within
  2. Cluster a data set entirely

This study will focus on the first application. Regarding the second application, imagine the survey example mentioned above. The goal could be to find groups of people that prefer certain products, without having them buy the products, we can ask them some questions. Based on these answers we can then cluster them into groups of people who would be more likely to buy product X or product Y. Knowing this information can allow us to market to group X differently than to group Y.

Ways to Cluster:

  1. K-Means Clustering
  2. Hierarchical Clustering
  3. Mean-Shift Clustering
  4. Density Based Spatial Clustering of Applications with Noise (DBSCAN)
  5. Expectation-Maximization (EM) Clustering using Guassian Mixture Models (GMM)

For this tutorial, we will use a public dataset for Income Census Data

  1. Clustering
    The aim of this part is to Cluster a column (country) with 41 modalities (levels) into something more reasonable/simple. This is to reduce number of variables that go into our model because each country can be considered as a separate variable. It can make the model more interpretable if the clusters make sense, i.e. perhapse grouping third-world countries together vs first-world countries.

  2. Modeling
    Build a model on the unclustered data and on the clustered data, and compare models. We will train a binary classification to predict whether someone will have an income higher or lower than 50K.

Let’s get to it!

Setup Code and Load Data

Setting up our environment

First we load all our packages that we need.

# Setup and Load Packages -------------------------------------------------
options(scipen = 999)
if (!is.element("yaml",     .packages(all.available = TRUE))) install.packages("yaml")
if (!is.element("devtools", .packages(all.available = TRUE))) install.packages("devtools")

for (func in list.files(path = "1_code/0_functions/", full.names = TRUE)) source(func)

# Load Meta data
metaData <- yaml::read_yaml(file = "metadata.yaml")

devtools::install_github(repo = metaData$connectionDetails$github$repo, auth_token = metaData$connectionDetails$github$token)
eaR::pkgInstaller(libs = c("tidyverse", "lubridate", "caret", "factoextra", "e1071", "kableExtra"), destinationFolder = "C:/Users/a009831/Documents/rlibraries")

Loading the data

Load the train and test from here

We chose this dataset since it is public, hence a reproducible example. We also need to find a dataset with a categorical variable with a lot of modalities.

I have downloaded this file into my local drive and loaded from my local project.

The data comes in a separate train and test set already but we merged this so that we can choose our own splits.

I fill out the column names because they’re missing in the download.

# Load train and test data ------------------------------------------------
train <- data.table::fread("0_data/Census Income/adult.data.csv") %>%
  eaR::cleanNames(sep = "_")

test <- data.table::fread("0_data/Census Income/adult.test.csv") %>% 
  eaR::cleanNames(sep = "_")

# Fill column names
fillColNames <- c("age", "workclass", "fnlwgt", "education", "education_num", "marital_status", "occupation", "relationship", "race", "sex", "capital_gain", "capital_loss", "hours_per_week", "native_country", "income")

base::names(train) <- fillColNames
base::names(test) <- fillColNames

# Join train and test
dat <- train %>%
  dplyr::bind_rows(test)

# Remove df's from memory
rm(test, train)

Structure and cleaning the data

We then need to clean up the data ready for Clustering and modeling.
To do this I take a look at the columns that we have, 14 variables plus the Income predictor variable.

dplyr::glimpse(dat)
Rows: 48,842
Columns: 15
$ age            <int> 39, 50, 38, 53, 28, 37, 49, 52, 31, 42, 37, 30, 23, ...
$ workclass      <chr> "State-gov", "Self-emp-not-inc", "Private", "Private...
$ fnlwgt         <int> 77516, 83311, 215646, 234721, 338409, 284582, 160187...
$ education      <chr> "Bachelors", "Bachelors", "HS-grad", "11th", "Bachel...
$ education_num  <int> 13, 13, 9, 7, 13, 14, 5, 9, 14, 13, 10, 13, 13, 12, ...
$ marital_status <chr> "Never-married", "Married-civ-spouse", "Divorced", "...
$ occupation     <chr> "Adm-clerical", "Exec-managerial", "Handlers-cleaner...
$ relationship   <chr> "Not-in-family", "Husband", "Not-in-family", "Husban...
$ race           <chr> "White", "White", "White", "Black", "Black", "White"...
$ sex            <chr> "Male", "Male", "Male", "Male", "Female", "Female", ...
$ capital_gain   <int> 2174, 0, 0, 0, 0, 0, 0, 0, 14084, 5178, 0, 0, 0, 0, ...
$ capital_loss   <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0...
$ hours_per_week <int> 40, 13, 40, 40, 40, 40, 16, 45, 50, 40, 80, 40, 30, ...
$ native_country <chr> "United-States", "United-States", "United-States", "...
$ income         <chr> "<=50K", "<=50K", "<=50K", "<=50K", "<=50K", "<=50K"...

Inspecting the categorical data

I pick out the character columns and inspect the levels of the data.

# Character columns
cols <- c("workclass", "education", "marital_status", "occupation", "relationship", "race", "sex", "native_country", "income")

# Loop through columns and get the unique contents and counts
finRes <- c()
finDf <- base::data.frame()
for (vr in cols) {
  tempresult <- dat %>% 
    dplyr::group_by(!!as.name(vr)) %>%
    dplyr::summarise(n = n()) %>%
    dplyr::arrange(-n)
  if(nrow(tempresult) > base::nrow(finDf)) {
    for (ii in 1:(base::nrow(tempresult) - base::nrow(finDf)))  {
      finDf <- finDf %>% dplyr::add_row()
    }
  } else {
    for (ii in 1:(base::nrow(finDf) - base::nrow(tempresult)))  {
      tempresult <- tempresult %>% dplyr::add_row()
    }
  }
  
  finDf[[vr]] <- tempresult[[vr]]
  finDf[[paste0(vr, "_n")]] <- tempresult$n
}

finDf %>% 
  kable() %>%
  kable_styling()
workclass workclass_n education education_n marital_status marital_status_n occupation occupation_n relationship relationship_n race race_n sex sex_n native_country native_country_n income income_n
Private 33906 HS-grad 15784 Married-civ-spouse 22379 Prof-specialty 6172 Husband 19716 White 41762 Male 32650 United-States 43832 <=50K 24720
Self-emp-not-inc 3862 Some-college 10878 Never-married 16117 Craft-repair 6112 Not-in-family 12583 Black 4685 Female 16192 Mexico 951 <=50K. 12435
Local-gov 3136 Bachelors 8025 Divorced 6633 Exec-managerial 6086 Own-child 7581 Asian-Pac-Islander 1519 NA NA ? 857 >50K 7841
? 2799 Masters 2657 Separated 1530 Adm-clerical 5611 Unmarried 5125 Amer-Indian-Eskimo 470 NA NA Philippines 295 >50K. 3846
State-gov 1981 Assoc-voc 2061 Widowed 1518 Sales 5504 Wife 2331 Other 406 NA NA Germany 206 NA NA
Self-emp-inc 1695 11th 1812 Married-spouse-absent 628 Other-service 4923 Other-relative 1506 NA NA NA NA Puerto-Rico 184 NA NA
Federal-gov 1432 Assoc-acdm 1601 Married-AF-spouse 37 Machine-op-inspct 3022 NA NA NA NA NA NA Canada 182 NA NA
Without-pay 21 10th 1389 NA NA ? 2809 NA NA NA NA NA NA El-Salvador 155 NA NA
Never-worked 10 7th-8th 955 NA NA Transport-moving 2355 NA NA NA NA NA NA India 151 NA NA
NA NA Prof-school 834 NA NA Handlers-cleaners 2072 NA NA NA NA NA NA Cuba 138 NA NA
NA NA 9th 756 NA NA Farming-fishing 1490 NA NA NA NA NA NA England 127 NA NA
NA NA 12th 657 NA NA Tech-support 1446 NA NA NA NA NA NA China 122 NA NA
NA NA Doctorate 594 NA NA Protective-serv 983 NA NA NA NA NA NA South 115 NA NA
NA NA 5th-6th 509 NA NA Priv-house-serv 242 NA NA NA NA NA NA Jamaica 106 NA NA
NA NA 1st-4th 247 NA NA Armed-Forces 15 NA NA NA NA NA NA Italy 105 NA NA
NA NA Preschool 83 NA NA NA NA NA NA NA NA NA NA Dominican-Republic 103 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Japan 92 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Guatemala 88 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Poland 87 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Vietnam 86 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Columbia 85 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Haiti 75 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Portugal 67 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Taiwan 65 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Iran 59 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Greece 49 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Nicaragua 49 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Peru 46 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Ecuador 45 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA France 38 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Ireland 37 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Hong 30 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Thailand 30 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Cambodia 28 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Trinadad&Tobago 27 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Laos 23 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Outlying-US(Guam-USVI-etc) 23 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Yugoslavia 23 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Scotland 21 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Honduras 20 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Hungary 19 NA NA
NA NA NA NA NA NA NA NA NA NA NA NA NA NA Holand-Netherlands 1 NA NA

After doing the inspection we can clean up things like “?”’s, names and groupings i.e. native_country = “holand_netherlands”, where there is only one observation.

# Remove finDf since it is no longer needed
rm(finDf)

# Use the above to clean columns
dat <- dat %>% 
  dplyr::mutate(workclass      = dplyr::if_else(workclass == "?", "other", workclass) %>% eaR::cleanNames(sep = "_"),
                education      = education %>% eaR::cleanNames(sep = "_"),
                marital_status = marital_status %>% eaR::cleanNames(sep = "_"),
                occupation     = dplyr::if_else(occupation == "?", "other", occupation) %>% eaR::cleanNames(sep = "_"),
                relationship   = relationship %>% eaR::cleanNames(sep = "_"),
                race           = race %>% eaR::cleanNames(sep = "_"),
                sex            = sex %>% eaR::cleanNames(sep = "_"),
                native_country = native_country %>% eaR::cleanNames(sep = "_"),
                native_country = dplyr::if_else(native_country %in% c("", "holand_netherlands"), "other", native_country),
                income         = income %>% gsub(pattern = "\\.", replacement = ""))

Clustering

We will use K-means clustering to define our clusters. Please refer to the appendix for more information on how clustering works.

First we use stratified sampling to split our data into 20% for our cluster set and 80 for the rest. We do this to ensure that we do not introduce leakage into our modeling step.

# Stratified sampling separate data into 20 for cluster, 80 train, 20 test
set.seed(123)
splitIndex <- caret::createDataPartition(dat[, native_country],
                                         p     = 0.2,
                                         list  = FALSE,
                                         times = 1)
clusterDF <- dat[splitIndex,  ]
modDF     <- dat[-splitIndex, ]

Next we need to create some variables to make our cluster for our countries variable that we will cluster

# Clustering Scaling/Standardising of variables/ Mean and Standard deviation to create info 
clustPrep <- clusterDF %>% 
  dplyr::group_by(native_country) %>% 
  dplyr::summarise(meanAge     = age %>% mean(na.rm = TRUE),
                   sdAge       = age %>% sd(na.rm = TRUE),
                   meanEdu     = education_num %>% mean(na.rm = TRUE),
                   sdEdu       = education_num %>% sd(na.rm = TRUE),
                   meanWgt     = fnlwgt %>% mean(na.rm = TRUE),
                   sdWgt       = fnlwgt %>% sd(na.rm = TRUE),
                   meanhours   = hours_per_week %>% mean(na.rm = TRUE),
                   sdhours     = hours_per_week %>% sd(na.rm = TRUE),
                   meanCapGain = capital_gain %>% mean(na.rm = TRUE),
                   sdCapGain   = capital_gain %>% sd(na.rm = TRUE),
                   meanCapLoss = capital_loss %>% mean(na.rm = TRUE),
                   sdCapLoss = capital_loss %>% sd(na.rm = TRUE),
                   sexMale     = sum(sex == "male", na.rm = TRUE),
                   sexAll      = n(),
                   incomeLT50  = sum(income == "<=50K", na.rm = TRUE),
                   incomeAll   = n()) %>% 
  dplyr::mutate(incomePropLT50 = incomeLT50 / incomeAll,
                sexMaleProp    = sexMale / sexAll) %>% 
  dplyr::select(-c(incomeLT50, incomeAll, sexMale, sexAll)) %>% 
  base::as.data.frame()

# Keep a copy of countries to use later, we keep this to later join our clusters back on to it
finClust <- clustPrep %>%
  dplyr::select(native_country)

# Drop categorical variable
rownames(clustPrep) <- clustPrep$native_country
clustPrep$native_country <- NULL

Let’s take a quick look at what the clustering data now looks like

clustPrep %>% 
  kable() %>%
  kable_styling()
meanAge sdAge meanEdu sdEdu meanWgt sdWgt meanhours sdhours meanCapGain sdCapGain meanCapLoss sdCapLoss incomePropLT50 sexMaleProp
cambodia 35.33333 11.236844 8.166667 3.0605010 191748.8 99109.38 40.00000 0.000000 0.00000 0.0000 267.00000 654.0138 0.6666667 0.8333333
canada 48.75676 16.233377 11.027027 3.1665481 189618.1 107093.68 40.54054 13.885633 4166.70270 16746.2103 117.67568 503.7222 0.5405405 0.6756757
china 43.16000 10.040252 9.680000 3.8483763 169217.8 95967.30 39.36000 11.600575 4615.00000 19984.9475 0.00000 0.0000 0.7200000 0.7600000
columbia 31.29412 8.651335 9.117647 2.5952445 202018.6 55296.27 42.05882 10.164095 0.00000 0.0000 0.00000 0.0000 0.9411765 0.7647059
cuba 49.14286 12.551270 8.892857 3.0470300 247236.6 72100.07 41.28571 9.486275 0.00000 0.0000 139.39286 511.9879 0.7500000 0.7142857
dominican_republic 39.95238 10.749308 7.142857 3.9910614 188100.6 56888.16 40.04762 4.352886 0.00000 0.0000 0.00000 0.0000 0.9523810 0.5714286
ecuador 35.66667 14.361407 9.444444 2.6977357 190114.9 50510.15 40.33333 16.140012 0.00000 0.0000 0.00000 0.0000 1.0000000 0.5555556
el_salvador 34.67742 13.409914 7.258064 3.5680783 245302.8 116423.14 35.80645 8.893516 1241.48387 4440.7895 0.00000 0.0000 0.8709677 0.6451613
england 38.23077 15.295248 10.269231 3.3052406 164727.6 79686.82 38.57692 14.230033 289.80769 1027.2339 77.00000 392.6245 0.7692308 0.7307692
france 39.87500 13.558735 12.250000 2.4348658 168554.9 161093.57 47.00000 22.097188 0.00000 0.0000 0.00000 0.0000 0.6250000 0.5000000
germany 39.54762 13.440388 11.285714 2.2007284 179250.0 96623.84 41.14286 9.277750 1504.90476 5335.6902 120.14286 452.7230 0.7380952 0.6190476
greece 50.10000 13.584714 9.300000 4.1646662 134951.1 30868.70 40.90000 26.797388 438.60000 1386.9750 406.30000 875.4257 0.6000000 0.9000000
guatemala 31.88889 9.125845 8.111111 2.6096853 255205.4 138133.72 40.22222 9.698730 0.00000 0.0000 0.00000 0.0000 0.9444444 0.7222222
haiti 41.26667 9.617444 9.000000 3.2071349 198735.3 70337.70 37.66667 10.061714 0.00000 0.0000 99.00000 383.4254 0.8666667 0.4666667
honduras 30.50000 6.557438 8.500000 4.1231056 223357.2 62229.47 29.25000 12.473305 0.00000 0.0000 0.00000 0.0000 0.7500000 0.2500000
hong 33.83333 6.369197 11.833333 4.0702170 248956.3 88839.48 40.00000 3.162278 2504.00000 6133.5223 329.50000 807.1069 0.5000000 0.6666667
hungary 40.25000 16.378339 12.000000 2.0000000 154996.8 46395.94 37.50000 20.615528 0.00000 0.0000 0.00000 0.0000 0.7500000 0.5000000
india 36.70968 12.455771 12.838710 2.0181968 174012.1 100905.60 39.00000 11.593101 564.09677 2719.8198 186.77419 588.6811 0.6451613 0.8709677
iran 33.83333 10.267631 11.666667 1.8257419 203621.2 103280.84 47.58333 12.295293 0.00000 0.0000 324.08333 757.2926 0.6666667 0.5833333
ireland 42.00000 10.941402 10.000000 1.8516402 134722.2 37972.66 39.37500 8.210403 0.00000 0.0000 235.87500 667.1552 0.6250000 0.3750000
italy 45.61905 12.188011 7.619048 3.3087186 197933.2 71314.53 35.09524 11.013196 193.52381 886.8375 0.00000 0.0000 0.8095238 0.7142857
jamaica 36.27273 9.735462 10.409091 2.2606171 202241.1 62341.11 44.09091 14.259196 0.00000 0.0000 85.77273 402.3098 0.9545455 0.5454545
japan 36.00000 9.439868 11.210526 2.0433890 258356.5 136604.24 40.52632 11.413289 0.00000 0.0000 83.68421 364.7710 0.5789474 0.4736842
laos 35.80000 8.438009 9.400000 4.3358967 241213.0 112684.66 40.00000 0.000000 0.00000 0.0000 0.00000 0.0000 0.8000000 1.0000000
mexico 33.00524 10.978207 6.225131 3.4863036 279221.0 101902.99 40.21466 9.153141 88.62304 613.4062 31.01571 252.4953 0.9581152 0.7801047
nicaragua 42.40000 17.658489 7.000000 3.3665016 336238.7 148415.41 33.50000 10.926522 0.00000 0.0000 184.80000 584.3889 0.9000000 0.8000000
other 38.14535 11.451746 10.668605 3.2009780 192488.0 101301.26 41.51744 12.795501 1327.05233 8237.2031 90.76163 416.5920 0.7441860 0.6860465
outlying_us_guam_usvi_etc 30.80000 9.497368 10.400000 1.5165751 170553.6 76642.05 47.00000 10.368221 0.00000 0.0000 0.00000 0.0000 1.0000000 0.6000000
peru 34.60000 11.692353 9.300000 2.2135944 321350.6 117760.79 41.40000 9.045564 0.00000 0.0000 0.00000 0.0000 0.8000000 0.6000000
philippines 38.49153 12.759544 10.423729 3.1469930 156184.6 89287.32 39.72881 11.714757 1747.49153 13018.0635 38.27119 293.9666 0.7457627 0.5762712
poland 44.83333 13.025992 10.388889 2.2528123 168694.6 34169.00 41.55556 12.439133 547.88889 1853.9043 108.00000 458.2052 0.8888889 0.6666667
portugal 40.57143 9.171144 7.785714 2.5169753 135478.4 72363.21 42.92857 6.018744 0.00000 0.0000 0.00000 0.0000 0.7857143 0.7857143
puerto_rico 37.45946 13.949501 8.297297 2.8661324 192640.9 62103.39 41.18919 11.189871 406.05405 2469.9304 46.51351 282.9307 0.9729730 0.7027027
scotland 46.40000 11.781341 9.400000 0.5477226 184372.4 118484.56 39.00000 2.236068 0.00000 0.0000 0.00000 0.0000 0.8000000 0.2000000
south 40.91304 15.468187 10.434783 2.8256309 177266.9 98909.90 45.17391 16.084018 196.00000 939.9830 82.04348 393.4667 0.8695652 0.7391304
taiwan 35.23077 9.782244 13.461538 2.1061570 166492.2 60433.03 43.38462 15.478687 169.38462 610.7249 0.00000 0.0000 0.4615385 0.6923077
thailand 41.66667 14.962174 11.833333 2.1369761 128222.7 60542.18 35.33333 13.063945 0.00000 0.0000 0.00000 0.0000 1.0000000 0.5000000
trinadad_tobago 42.83333 13.847984 8.833333 0.9831921 252680.3 201586.23 41.00000 14.628739 0.00000 0.0000 314.50000 770.3645 0.8333333 0.5000000
united_states 38.62587 13.780361 10.163340 2.4046047 187122.1 105297.49 40.59758 12.531203 1122.57979 7701.8834 89.35394 406.8905 0.7549903 0.6673891
vietnam 27.94444 7.392144 10.000000 2.8901455 183940.3 88913.91 33.38889 11.897300 379.11111 1182.2641 184.44444 537.5307 0.9444444 0.6666667
yugoslavia 36.20000 13.809417 10.400000 1.6733201 216934.4 84370.95 51.00000 7.211103 0.00000 0.0000 0.00000 0.0000 0.6000000 1.0000000

We could extent this by including other features as well, such as the proportions based on marital_status. However it would require a bit of work to create all the extra features. We can also include other statistics such as the inter-quartile ranges.

To select our optimal K (clusters) we will use the elbow method, however there are multiple methods to do this, refer to the appendix for a few more plots and a link to more information.

set.seed(123)
factoextra::fviz_nbclust(clustPrep, kmeans, method = "wss") +
  geom_vline(xintercept = 3, linetype = 2)

I choose 8 clusters due to the output of the countries clusters making more sense than 3 clusters which the elbow originally suggests. You can test more or less clusters and see how our final model performs as well.
Here you can see the output of the kmeans function:

# Build clusters with selected k
clusters <- stats::kmeans(clustPrep, centers = 8)

# Look at the output of kmeans
str(clusters)
List of 9
 $ cluster     : Named int [1:41] 7 7 2 1 8 1 1 4 2 7 ...
  ..- attr(*, "names")= chr [1:41] "cambodia" "canada" "china" "columbia" ...
 $ centers     : num [1:8, 1:14] 38.2 37 42.1 34.3 36.9 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:8] "1" "2" "3" "4" ...
  .. ..$ : chr [1:14] "meanAge" "sdAge" "meanEdu" "sdEdu" ...
 $ totss       : num 140012693218
 $ withinss    : num [1:8] 555989238 1478517549 3183370728 1391632132 2766931177 ...
 $ tot.withinss: num 14514215119
 $ betweenss   : num 125498478099
 $ size        : int [1:8] 7 8 7 4 3 2 7 3
 $ iter        : int 3
 $ ifault      : int 0
 - attr(*, "class")= chr "kmeans"

We can join our clusters back to the corresponding country data that we reserved earlier on:

# Extract clusters and join back to finClust which holds country data
finClust$cluster <- clusters$cluster

# View of Countries with corresponding cluster
head(finClust)
      native_country cluster
1           cambodia       7
2             canada       7
3              china       2
4           columbia       1
5               cuba       8
6 dominican_republic       1

We can also take a glance some information about each Cluster, the mean Age of each Cluster etc. to give you an idea what each cluster looks like.

# Join back original variables for analysis
clustPrep$clusters <- clusters$cluster
rownames(clustPrep) <- NULL

# Summary analysis
clustPrep %>% 
  group_by(clusters) %>% 
  summarise_all(.funs = mean) %>% 
  kable() %>%
  kable_styling()
clusters meanAge sdAge meanEdu sdEdu meanWgt sdWgt meanhours sdhours meanCapGain sdCapGain meanCapLoss sdCapLoss incomePropLT50 sexMaleProp
1 38.21872 11.321781 8.718626 2.989521 195969.2 61255.90 40.06883 11.025853 85.65398 479.5383 33.04089 152.6665 0.9281809 0.6172571
2 36.97463 12.043613 10.666521 2.718986 171894.1 90867.09 40.42142 12.095720 1162.05148 5526.0002 86.08452 332.3741 0.8040325 0.6953566
3 42.09317 12.549430 10.681354 2.432747 146222.6 48963.53 40.13958 14.660547 165.12479 550.2292 107.16786 285.8266 0.7301631 0.6313841
4 34.32900 9.798832 8.679132 3.865124 253673.3 104962.57 39.00528 5.302234 958.52673 2796.9295 90.12893 264.9005 0.7822707 0.7729832
5 36.90741 10.804566 9.384990 1.878756 255414.1 158774.73 40.58285 11.913586 0.00000 0.0000 132.72807 378.3785 0.7855750 0.5653021
6 38.50000 14.675421 8.150000 2.790048 328794.7 133088.10 37.45000 9.986043 0.00000 0.0000 92.40000 292.1945 0.8500000 0.7000000
7 40.13852 12.615719 10.477472 2.377280 188217.9 113665.83 42.31984 10.834412 945.19069 4669.3281 126.98208 391.2159 0.6854357 0.5922540
8 38.61429 10.972709 9.264286 2.947818 229176.1 72900.16 40.51190 9.723561 0.00000 0.0000 46.46429 170.6626 0.7000000 0.6547619

Modeling

First I join our newly made clusters onto our modeling dataset so we can use it. I also convert the income variable into a factor, giving it a new clean name.

# Join clusters onto Modeling Data
modDF <- modDF %>% 
  left_join(finClust, by = c("native_country" = "native_country")) %>% 
  mutate(income = ifelse(income == ">50K", "high", "low") %>% as.factor())

I create some key variables, target and our features for our model.

Going forward you will see in the variables we refer to ..Orig and ..Clust. Orig being our data preclustering, with the full country information and Clust being our clustered data.

# Key variables -----------------------------------------------------------
target <- "income"
featOrig  <- c("age", "workclass", "fnlwgt", "education", "education_num", "marital_status", 
               "occupation", "relationship", "race", "sex", "capital_gain", "capital_loss",
               "hours_per_week", "native_country")
featClust <- c("age", "workclass", "fnlwgt", "education", "education_num", "marital_status", 
               "occupation", "relationship", "race", "sex", "capital_gain", "capital_loss",
               "hours_per_week", "cluster")

In the next step we spilt the data into a training and test dataset. We use a 80/20 split.

# Split data into 80 train and 20 test 
set.seed(123)
splitIndex <- caret::createDataPartition(modDF[, income],
                                         p     = 0.8,
                                         list  = FALSE,
                                         times = 1)
train <- modDF[splitIndex,  ] %>% as.tibble()
trainTarg <- train[[target]]
train[[target]] <- NULL

test  <- modDF[-splitIndex, ] %>% as.tibble()
testTarg <- test[[target]]
test[[target]] <- NULL

Prepare the data for use in modeling, dummify character variables

# Train -------------------------------------------------------------------
trainOrig  <- train[, c(featOrig)]
trainClust <- train[, c(featClust)]

# Dummify variables for train set
trainOrigDummy <- trainOrig %>% dummyVars(formula = "~.", fullRank = F)
trainOrig      <- predict(trainOrigDummy, trainOrig) %>% as.data.frame()
trainOrig[[target]] <- trainTarg

trainClustDummy <- trainClust %>% dummyVars(formula = "~.", fullRank = F)
trainClust      <- predict(trainClustDummy, trainClust) %>% as.data.frame()
trainClust[[target]] <- trainTarg

# Test --------------------------------------------------------------------
testOrig  <- test[, c(featOrig)]
testClust <- test[, c(featClust)]

# Dummify variables for test set
testOrigDummy                 <- testOrig %>% dummyVars(formula = "~.", fullRank = F)
testOrig                      <- predict(testOrigDummy, testOrig) %>% as.data.frame()
testOrig[[target]]            <- testTarg

testClustDummy                  <- testClust %>% dummyVars(formula = "~.", fullRank = F)
testClust                       <- predict(testClustDummy, testClust) %>% as.data.frame()
testClust[[target]]             <- testTarg

In this section we define global parameters for both the models

# Setting Parameters ------------------------------------------------------
objControl <- trainControl(method = 'cv', 
                           number = 3,
                           summaryFunction = twoClassSummary, 
                           classProbs = TRUE)
set.seed(123)
gbmGrid <- data.frame(interaction.depth = runif(100, 1 ,   5)    %>% round(0),
                      n.trees           = runif(100, 50,   1000) %>% round(0),
                      n.minobsinnode    = runif(100, 1,    100)  %>% round(0),
                      shrinkage         = runif(100, 0.01, 0.2)  %>% round(4)) %>%
  distinct()

Build our model using the original dataset with Countries

# Build model using countries ---------------------------------------------
formFeats  <- names(trainOrig)[names(trainOrig) != target]
modFormula <- formula(paste0(target, " ~ ", paste0(formFeats, collapse = " + ")))
set.seed(123)
trainOrigObjModel <- caret::train(modFormula,
                                  data         = trainOrig,
                                  distribution = "bernoulli",
                                  method       = "gbm",
                                  metric       = "ROC",
                                  trControl    = objControl,
                                  tuneGrid     = gbmGrid)
Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0917             nan     0.0116    0.0043
     2        1.0836             nan     0.0116    0.0041
     3        1.0756             nan     0.0116    0.0040
     4        1.0676             nan     0.0116    0.0039
     5        1.0601             nan     0.0116    0.0038
     6        1.0528             nan     0.0116    0.0037
     7        1.0457             nan     0.0116    0.0036
     8        1.0388             nan     0.0116    0.0034
     9        1.0322             nan     0.0116    0.0033
    10        1.0257             nan     0.0116    0.0032
    20        0.9688             nan     0.0116    0.0025
    40        0.8878             nan     0.0116    0.0016
    60        0.8323             nan     0.0116    0.0011
    80        0.7919             nan     0.0116    0.0009
   100        0.7596             nan     0.0116    0.0007
   120        0.7340             nan     0.0116    0.0006
   140        0.7144             nan     0.0116    0.0004
   160        0.6976             nan     0.0116    0.0003
   180        0.6843             nan     0.0116    0.0003
   200        0.6726             nan     0.0116    0.0002
   220        0.6624             nan     0.0116    0.0002
   240        0.6540             nan     0.0116    0.0002
   260        0.6471             nan     0.0116    0.0002
   280        0.6408             nan     0.0116    0.0001
   300        0.6352             nan     0.0116    0.0001
   320        0.6300             nan     0.0116    0.0001
   340        0.6256             nan     0.0116    0.0001
   360        0.6215             nan     0.0116    0.0001
   380        0.6179             nan     0.0116    0.0000
   400        0.6147             nan     0.0116    0.0000
   420        0.6116             nan     0.0116    0.0001
   440        0.6087             nan     0.0116    0.0000
   460        0.6061             nan     0.0116    0.0000
   480        0.6036             nan     0.0116    0.0000
   500        0.6013             nan     0.0116    0.0000
   520        0.5991             nan     0.0116    0.0001
   540        0.5969             nan     0.0116    0.0000
   560        0.5949             nan     0.0116    0.0000
   580        0.5932             nan     0.0116    0.0000
   600        0.5916             nan     0.0116    0.0000
   620        0.5898             nan     0.0116    0.0001
   628        0.5891             nan     0.0116    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0923             nan     0.0118    0.0041
     2        1.0843             nan     0.0118    0.0040
     3        1.0766             nan     0.0118    0.0039
     4        1.0690             nan     0.0118    0.0038
     5        1.0618             nan     0.0118    0.0038
     6        1.0547             nan     0.0118    0.0035
     7        1.0475             nan     0.0118    0.0036
     8        1.0407             nan     0.0118    0.0034
     9        1.0342             nan     0.0118    0.0032
    10        1.0278             nan     0.0118    0.0032
    20        0.9727             nan     0.0118    0.0024
    40        0.8939             nan     0.0118    0.0016
    60        0.8410             nan     0.0118    0.0011
    80        0.8006             nan     0.0118    0.0007
   100        0.7682             nan     0.0118    0.0008
   120        0.7441             nan     0.0118    0.0006
   140        0.7239             nan     0.0118    0.0005
   160        0.7074             nan     0.0118    0.0004
   180        0.6936             nan     0.0118    0.0003
   200        0.6824             nan     0.0118    0.0002
   220        0.6727             nan     0.0118    0.0002
   240        0.6642             nan     0.0118    0.0002
   260        0.6571             nan     0.0118    0.0001
   280        0.6507             nan     0.0118    0.0002
   300        0.6452             nan     0.0118    0.0001
   320        0.6405             nan     0.0118    0.0001
   340        0.6363             nan     0.0118    0.0001
   360        0.6325             nan     0.0118    0.0001
   366        0.6315             nan     0.0118    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0907             nan     0.0134    0.0047
     2        1.0816             nan     0.0134    0.0046
     3        1.0730             nan     0.0134    0.0043
     4        1.0645             nan     0.0134    0.0042
     5        1.0562             nan     0.0134    0.0042
     6        1.0481             nan     0.0134    0.0040
     7        1.0404             nan     0.0134    0.0038
     8        1.0331             nan     0.0134    0.0037
     9        1.0260             nan     0.0134    0.0035
    10        1.0190             nan     0.0134    0.0035
    20        0.9593             nan     0.0134    0.0026
    40        0.8768             nan     0.0134    0.0016
    60        0.8223             nan     0.0134    0.0011
    80        0.7819             nan     0.0134    0.0008
   100        0.7501             nan     0.0134    0.0007
   120        0.7266             nan     0.0134    0.0004
   140        0.7077             nan     0.0134    0.0003
   160        0.6918             nan     0.0134    0.0004
   180        0.6791             nan     0.0134    0.0002
   200        0.6684             nan     0.0134    0.0002
   220        0.6593             nan     0.0134    0.0002
   240        0.6520             nan     0.0134    0.0002
   260        0.6455             nan     0.0134    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0889             nan     0.0164    0.0056
     2        1.0777             nan     0.0164    0.0055
     3        1.0671             nan     0.0164    0.0053
     4        1.0569             nan     0.0164    0.0050
     5        1.0474             nan     0.0164    0.0049
     6        1.0381             nan     0.0164    0.0046
     7        1.0290             nan     0.0164    0.0044
     8        1.0203             nan     0.0164    0.0043
     9        1.0120             nan     0.0164    0.0041
    10        1.0040             nan     0.0164    0.0040
    20        0.9372             nan     0.0164    0.0029
    40        0.8499             nan     0.0164    0.0016
    60        0.7942             nan     0.0164    0.0013
    80        0.7545             nan     0.0164    0.0008
   100        0.7247             nan     0.0164    0.0005
   120        0.7022             nan     0.0164    0.0003
   140        0.6848             nan     0.0164    0.0003
   160        0.6711             nan     0.0164    0.0003
   180        0.6600             nan     0.0164    0.0002
   200        0.6508             nan     0.0164    0.0002
   220        0.6432             nan     0.0164    0.0002
   240        0.6370             nan     0.0164    0.0001
   260        0.6315             nan     0.0164    0.0001
   280        0.6262             nan     0.0164    0.0001
   300        0.6219             nan     0.0164    0.0001
   320        0.6174             nan     0.0164    0.0001
   340        0.6136             nan     0.0164    0.0001
   360        0.6103             nan     0.0164    0.0000
   380        0.6074             nan     0.0164    0.0000
   400        0.6046             nan     0.0164    0.0000
   420        0.6023             nan     0.0164    0.0000
   440        0.6002             nan     0.0164    0.0000
   460        0.5981             nan     0.0164    0.0000
   480        0.5960             nan     0.0164    0.0000
   500        0.5941             nan     0.0164    0.0000
   520        0.5925             nan     0.0164    0.0000
   540        0.5911             nan     0.0164    0.0000
   560        0.5898             nan     0.0164   -0.0000
   580        0.5886             nan     0.0164    0.0000
   600        0.5872             nan     0.0164   -0.0000
   620        0.5859             nan     0.0164    0.0000
   640        0.5844             nan     0.0164    0.0000
   660        0.5833             nan     0.0164   -0.0000
   680        0.5822             nan     0.0164   -0.0000
   700        0.5810             nan     0.0164    0.0000
   720        0.5801             nan     0.0164   -0.0000
   740        0.5789             nan     0.0164   -0.0000
   760        0.5780             nan     0.0164   -0.0000
   780        0.5772             nan     0.0164   -0.0000
   800        0.5762             nan     0.0164   -0.0000
   820        0.5752             nan     0.0164   -0.0000
   840        0.5742             nan     0.0164    0.0000
   860        0.5735             nan     0.0164    0.0000
   880        0.5727             nan     0.0164    0.0000
   900        0.5719             nan     0.0164   -0.0000
   920        0.5711             nan     0.0164   -0.0000
   940        0.5704             nan     0.0164   -0.0000
   960        0.5696             nan     0.0164   -0.0000
   980        0.5688             nan     0.0164   -0.0000
   985        0.5686             nan     0.0164    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0899             nan     0.0166    0.0053
     2        1.0798             nan     0.0166    0.0050
     3        1.0703             nan     0.0166    0.0048
     4        1.0611             nan     0.0166    0.0046
     5        1.0522             nan     0.0166    0.0045
     6        1.0435             nan     0.0166    0.0043
     7        1.0353             nan     0.0166    0.0042
     8        1.0274             nan     0.0166    0.0040
     9        1.0194             nan     0.0166    0.0040
    10        1.0116             nan     0.0166    0.0038
    20        0.9476             nan     0.0166    0.0028
    40        0.8599             nan     0.0166    0.0016
    60        0.8050             nan     0.0166    0.0010
    80        0.7673             nan     0.0166    0.0007
   100        0.7396             nan     0.0166    0.0006
   120        0.7178             nan     0.0166    0.0006
   136        0.7036             nan     0.0166    0.0004

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0873             nan     0.0205    0.0066
     2        1.0749             nan     0.0205    0.0062
     3        1.0633             nan     0.0205    0.0058
     4        1.0523             nan     0.0205    0.0055
     5        1.0415             nan     0.0205    0.0054
     6        1.0313             nan     0.0205    0.0051
     7        1.0216             nan     0.0205    0.0049
     8        1.0123             nan     0.0205    0.0046
     9        1.0033             nan     0.0205    0.0046
    10        0.9946             nan     0.0205    0.0043
    20        0.9232             nan     0.0205    0.0030
    40        0.8305             nan     0.0205    0.0018
    60        0.7766             nan     0.0205    0.0009
    80        0.7407             nan     0.0205    0.0007
   100        0.7135             nan     0.0205    0.0005
   120        0.6937             nan     0.0205    0.0005
   140        0.6783             nan     0.0205    0.0003
   160        0.6655             nan     0.0205    0.0003
   180        0.6557             nan     0.0205    0.0001
   200        0.6475             nan     0.0205    0.0002
   220        0.6414             nan     0.0205    0.0001
   240        0.6360             nan     0.0205    0.0001
   260        0.6311             nan     0.0205    0.0001
   280        0.6271             nan     0.0205    0.0000
   300        0.6236             nan     0.0205    0.0000
   320        0.6201             nan     0.0205    0.0001
   340        0.6174             nan     0.0205    0.0000
   360        0.6144             nan     0.0205    0.0000
   380        0.6119             nan     0.0205    0.0000
   400        0.6096             nan     0.0205    0.0000
   420        0.6074             nan     0.0205    0.0000
   440        0.6052             nan     0.0205    0.0001
   460        0.6033             nan     0.0205    0.0000
   480        0.6016             nan     0.0205    0.0000
   500        0.6000             nan     0.0205    0.0001
   520        0.5986             nan     0.0205    0.0000
   540        0.5971             nan     0.0205    0.0000
   560        0.5959             nan     0.0205   -0.0000
   580        0.5947             nan     0.0205    0.0000
   600        0.5935             nan     0.0205    0.0000
   620        0.5922             nan     0.0205   -0.0000
   640        0.5911             nan     0.0205   -0.0000
   660        0.5900             nan     0.0205    0.0000
   680        0.5888             nan     0.0205    0.0000
   700        0.5878             nan     0.0205    0.0000
   720        0.5870             nan     0.0205   -0.0000
   740        0.5860             nan     0.0205   -0.0000
   760        0.5849             nan     0.0205    0.0000
   780        0.5842             nan     0.0205   -0.0000
   800        0.5833             nan     0.0205   -0.0000
   820        0.5824             nan     0.0205   -0.0000
   840        0.5816             nan     0.0205    0.0000
   860        0.5809             nan     0.0205   -0.0000
   880        0.5802             nan     0.0205   -0.0000
   900        0.5795             nan     0.0205   -0.0000
   920        0.5787             nan     0.0205   -0.0000
   940        0.5781             nan     0.0205   -0.0000
   950        0.5778             nan     0.0205   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0806             nan     0.0280    0.0101
     2        1.0618             nan     0.0280    0.0095
     3        1.0439             nan     0.0280    0.0087
     4        1.0276             nan     0.0280    0.0082
     5        1.0125             nan     0.0280    0.0075
     6        0.9981             nan     0.0280    0.0070
     7        0.9845             nan     0.0280    0.0067
     8        0.9720             nan     0.0280    0.0064
     9        0.9599             nan     0.0280    0.0061
    10        0.9484             nan     0.0280    0.0057
    20        0.8620             nan     0.0280    0.0035
    40        0.7656             nan     0.0280    0.0017
    60        0.7101             nan     0.0280    0.0009
    80        0.6758             nan     0.0280    0.0006
   100        0.6537             nan     0.0280    0.0005
   120        0.6380             nan     0.0280    0.0005
   140        0.6266             nan     0.0280    0.0002
   160        0.6165             nan     0.0280    0.0004
   180        0.6089             nan     0.0280    0.0001
   200        0.6027             nan     0.0280    0.0001
   220        0.5978             nan     0.0280    0.0000
   240        0.5932             nan     0.0280    0.0002
   260        0.5894             nan     0.0280   -0.0000
   280        0.5856             nan     0.0280    0.0000
   300        0.5822             nan     0.0280    0.0000
   320        0.5792             nan     0.0280    0.0000
   340        0.5765             nan     0.0280    0.0000
   360        0.5744             nan     0.0280    0.0000
   380        0.5724             nan     0.0280   -0.0000
   400        0.5701             nan     0.0280    0.0000
   420        0.5684             nan     0.0280   -0.0000
   440        0.5667             nan     0.0280    0.0000
   460        0.5645             nan     0.0280    0.0001
   480        0.5630             nan     0.0280    0.0000
   500        0.5615             nan     0.0280   -0.0000
   520        0.5599             nan     0.0280   -0.0000
   540        0.5582             nan     0.0280   -0.0000
   560        0.5568             nan     0.0280   -0.0000
   580        0.5553             nan     0.0280   -0.0000
   600        0.5539             nan     0.0280   -0.0000
   620        0.5524             nan     0.0280   -0.0000
   640        0.5505             nan     0.0280   -0.0000
   660        0.5491             nan     0.0280    0.0000
   680        0.5478             nan     0.0280   -0.0000
   700        0.5463             nan     0.0280    0.0000
   720        0.5450             nan     0.0280   -0.0000
   740        0.5437             nan     0.0280   -0.0000
   760        0.5426             nan     0.0280   -0.0000
   780        0.5415             nan     0.0280   -0.0000
   800        0.5403             nan     0.0280   -0.0000
   820        0.5390             nan     0.0280   -0.0000
   840        0.5379             nan     0.0280    0.0000
   860        0.5369             nan     0.0280   -0.0000
   880        0.5357             nan     0.0280   -0.0000
   900        0.5348             nan     0.0280   -0.0000
   918        0.5340             nan     0.0280   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0889             nan     0.0292    0.0058
     2        1.0779             nan     0.0292    0.0055
     3        1.0676             nan     0.0292    0.0051
     4        1.0582             nan     0.0292    0.0048
     5        1.0489             nan     0.0292    0.0045
     6        1.0403             nan     0.0292    0.0043
     7        1.0320             nan     0.0292    0.0040
     8        1.0244             nan     0.0292    0.0038
     9        1.0176             nan     0.0292    0.0034
    10        1.0102             nan     0.0292    0.0036
    20        0.9546             nan     0.0292    0.0026
    40        0.8784             nan     0.0292    0.0015
    60        0.8299             nan     0.0292    0.0010
    80        0.7953             nan     0.0292    0.0006
   100        0.7691             nan     0.0292    0.0007
   120        0.7482             nan     0.0292    0.0005
   140        0.7313             nan     0.0292    0.0002
   160        0.7170             nan     0.0292    0.0004
   180        0.7043             nan     0.0292    0.0003
   200        0.6941             nan     0.0292    0.0002
   220        0.6850             nan     0.0292    0.0003
   240        0.6778             nan     0.0292    0.0002
   260        0.6712             nan     0.0292    0.0001
   280        0.6654             nan     0.0292    0.0001
   300        0.6605             nan     0.0292    0.0001
   320        0.6553             nan     0.0292    0.0001
   340        0.6514             nan     0.0292    0.0001
   360        0.6480             nan     0.0292    0.0000
   380        0.6450             nan     0.0292    0.0000
   400        0.6421             nan     0.0292    0.0001
   420        0.6393             nan     0.0292    0.0000
   440        0.6371             nan     0.0292    0.0000
   460        0.6351             nan     0.0292    0.0000
   480        0.6331             nan     0.0292    0.0000
   500        0.6315             nan     0.0292    0.0000
   520        0.6298             nan     0.0292    0.0000
   540        0.6280             nan     0.0292    0.0001
   560        0.6264             nan     0.0292   -0.0000
   580        0.6250             nan     0.0292    0.0000
   600        0.6238             nan     0.0292   -0.0000
   620        0.6225             nan     0.0292    0.0000
   640        0.6212             nan     0.0292    0.0000
   660        0.6200             nan     0.0292   -0.0000
   676        0.6191             nan     0.0292    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0796             nan     0.0297    0.0103
     2        1.0602             nan     0.0297    0.0095
     3        1.0426             nan     0.0297    0.0089
     4        1.0263             nan     0.0297    0.0083
     5        1.0112             nan     0.0297    0.0075
     6        0.9971             nan     0.0297    0.0070
     7        0.9836             nan     0.0297    0.0068
     8        0.9711             nan     0.0297    0.0062
     9        0.9593             nan     0.0297    0.0060
    10        0.9482             nan     0.0297    0.0056
    20        0.8628             nan     0.0297    0.0033
    40        0.7661             nan     0.0297    0.0014
    60        0.7126             nan     0.0297    0.0010
    80        0.6814             nan     0.0297    0.0004
   100        0.6598             nan     0.0297    0.0004
   120        0.6441             nan     0.0297    0.0002
   140        0.6326             nan     0.0297    0.0002
   160        0.6233             nan     0.0297    0.0001
   180        0.6155             nan     0.0297    0.0001
   200        0.6093             nan     0.0297    0.0001
   220        0.6045             nan     0.0297    0.0000
   240        0.6000             nan     0.0297    0.0001
   260        0.5971             nan     0.0297    0.0000
   280        0.5935             nan     0.0297    0.0000
   300        0.5902             nan     0.0297    0.0000
   320        0.5875             nan     0.0297    0.0000
   340        0.5851             nan     0.0297    0.0001
   360        0.5823             nan     0.0297    0.0001
   380        0.5803             nan     0.0297    0.0001
   400        0.5782             nan     0.0297   -0.0000
   401        0.5781             nan     0.0297    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0837             nan     0.0300    0.0082
     2        1.0682             nan     0.0300    0.0077
     3        1.0540             nan     0.0300    0.0071
     4        1.0410             nan     0.0300    0.0065
     5        1.0288             nan     0.0300    0.0061
     6        1.0170             nan     0.0300    0.0057
     7        1.0058             nan     0.0300    0.0055
     8        0.9953             nan     0.0300    0.0051
     9        0.9856             nan     0.0300    0.0048
    10        0.9762             nan     0.0300    0.0046
    20        0.8937             nan     0.0300    0.0029
    40        0.8080             nan     0.0300    0.0015
    60        0.7579             nan     0.0300    0.0010
    80        0.7254             nan     0.0300    0.0008
   100        0.7010             nan     0.0300    0.0004
   120        0.6829             nan     0.0300    0.0004
   140        0.6686             nan     0.0300    0.0002
   160        0.6585             nan     0.0300    0.0002
   180        0.6499             nan     0.0300    0.0003
   200        0.6428             nan     0.0300    0.0001
   220        0.6372             nan     0.0300    0.0001
   240        0.6328             nan     0.0300    0.0000
   260        0.6286             nan     0.0300    0.0000
   280        0.6252             nan     0.0300    0.0000
   300        0.6219             nan     0.0300    0.0000
   320        0.6196             nan     0.0300    0.0000
   340        0.6172             nan     0.0300    0.0000
   360        0.6147             nan     0.0300    0.0001
   380        0.6123             nan     0.0300    0.0000
   400        0.6104             nan     0.0300    0.0000
   420        0.6086             nan     0.0300    0.0000
   440        0.6066             nan     0.0300    0.0000
   460        0.6050             nan     0.0300   -0.0000
   480        0.6035             nan     0.0300    0.0000
   500        0.6020             nan     0.0300    0.0000
   520        0.6006             nan     0.0300    0.0000
   540        0.5994             nan     0.0300    0.0000
   560        0.5980             nan     0.0300    0.0000
   580        0.5966             nan     0.0300   -0.0000
   600        0.5956             nan     0.0300    0.0000
   620        0.5944             nan     0.0300    0.0000
   640        0.5936             nan     0.0300    0.0000
   660        0.5926             nan     0.0300   -0.0000
   680        0.5918             nan     0.0300    0.0000
   700        0.5909             nan     0.0300   -0.0000
   720        0.5900             nan     0.0300   -0.0000
   740        0.5891             nan     0.0300    0.0000
   760        0.5883             nan     0.0300   -0.0000
   780        0.5876             nan     0.0300   -0.0000
   800        0.5868             nan     0.0300   -0.0000
   820        0.5860             nan     0.0300   -0.0000
   840        0.5853             nan     0.0300   -0.0000
   860        0.5844             nan     0.0300   -0.0000
   880        0.5838             nan     0.0300   -0.0000
   900        0.5833             nan     0.0300   -0.0000
   920        0.5827             nan     0.0300   -0.0000
   940        0.5822             nan     0.0300   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0798             nan     0.0324    0.0101
     2        1.0609             nan     0.0324    0.0091
     3        1.0435             nan     0.0324    0.0087
     4        1.0276             nan     0.0324    0.0080
     5        1.0131             nan     0.0324    0.0073
     6        0.9983             nan     0.0324    0.0071
     7        0.9848             nan     0.0324    0.0065
     8        0.9718             nan     0.0324    0.0062
     9        0.9599             nan     0.0324    0.0059
    10        0.9488             nan     0.0324    0.0056
    20        0.8634             nan     0.0324    0.0031
    40        0.7692             nan     0.0324    0.0015
    60        0.7179             nan     0.0324    0.0009
    80        0.6866             nan     0.0324    0.0006
   100        0.6644             nan     0.0324    0.0004
   120        0.6502             nan     0.0324    0.0003
   140        0.6392             nan     0.0324    0.0003
   160        0.6306             nan     0.0324    0.0002
   180        0.6240             nan     0.0324    0.0001
   195        0.6197             nan     0.0324    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0797             nan     0.0327    0.0102
     2        1.0606             nan     0.0327    0.0094
     3        1.0428             nan     0.0327    0.0089
     4        1.0261             nan     0.0327    0.0082
     5        1.0112             nan     0.0327    0.0076
     6        0.9967             nan     0.0327    0.0072
     7        0.9832             nan     0.0327    0.0067
     8        0.9705             nan     0.0327    0.0064
     9        0.9588             nan     0.0327    0.0059
    10        0.9474             nan     0.0327    0.0056
    20        0.8599             nan     0.0327    0.0037
    40        0.7687             nan     0.0327    0.0015
    60        0.7199             nan     0.0327    0.0009
    80        0.6875             nan     0.0327    0.0006
   100        0.6650             nan     0.0327    0.0004
   120        0.6504             nan     0.0327    0.0002
   140        0.6398             nan     0.0327    0.0002
   160        0.6320             nan     0.0327    0.0002
   180        0.6254             nan     0.0327    0.0002
   200        0.6202             nan     0.0327    0.0001
   220        0.6154             nan     0.0327    0.0001
   240        0.6108             nan     0.0327    0.0001
   260        0.6072             nan     0.0327    0.0001
   280        0.6044             nan     0.0327    0.0001
   300        0.6018             nan     0.0327    0.0000
   320        0.5991             nan     0.0327    0.0000
   340        0.5969             nan     0.0327    0.0000
   360        0.5943             nan     0.0327    0.0000
   380        0.5924             nan     0.0327    0.0001
   400        0.5904             nan     0.0327   -0.0000
   420        0.5889             nan     0.0327    0.0000
   439        0.5874             nan     0.0327    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0868             nan     0.0359    0.0071
     2        1.0732             nan     0.0359    0.0066
     3        1.0614             nan     0.0359    0.0061
     4        1.0500             nan     0.0359    0.0057
     5        1.0395             nan     0.0359    0.0053
     6        1.0297             nan     0.0359    0.0049
     7        1.0211             nan     0.0359    0.0042
     8        1.0120             nan     0.0359    0.0045
     9        1.0036             nan     0.0359    0.0042
    10        0.9962             nan     0.0359    0.0035
    20        0.9340             nan     0.0359    0.0023
    40        0.8536             nan     0.0359    0.0018
    60        0.8052             nan     0.0359    0.0011
    80        0.7711             nan     0.0359    0.0006
   100        0.7463             nan     0.0359    0.0004
   120        0.7252             nan     0.0359    0.0005
   140        0.7097             nan     0.0359    0.0002
   160        0.6960             nan     0.0359    0.0004
   180        0.6855             nan     0.0359    0.0003
   200        0.6757             nan     0.0359    0.0002
   220        0.6675             nan     0.0359    0.0002
   240        0.6611             nan     0.0359    0.0001
   260        0.6557             nan     0.0359    0.0001
   280        0.6509             nan     0.0359    0.0001
   300        0.6465             nan     0.0359    0.0001
   320        0.6430             nan     0.0359    0.0000
   340        0.6401             nan     0.0359    0.0001
   360        0.6372             nan     0.0359    0.0000
   380        0.6347             nan     0.0359    0.0000
   400        0.6321             nan     0.0359    0.0000
   420        0.6296             nan     0.0359    0.0000
   440        0.6275             nan     0.0359    0.0001
   460        0.6258             nan     0.0359    0.0000
   480        0.6244             nan     0.0359    0.0000
   500        0.6225             nan     0.0359    0.0001
   520        0.6209             nan     0.0359    0.0000
   540        0.6195             nan     0.0359    0.0000
   560        0.6181             nan     0.0359    0.0000
   580        0.6167             nan     0.0359    0.0000
   600        0.6154             nan     0.0359   -0.0000
   620        0.6141             nan     0.0359    0.0000
   640        0.6130             nan     0.0359    0.0000
   660        0.6120             nan     0.0359    0.0000
   680        0.6110             nan     0.0359   -0.0000
   700        0.6100             nan     0.0359    0.0000
   720        0.6091             nan     0.0359    0.0000
   740        0.6080             nan     0.0359    0.0000
   760        0.6071             nan     0.0359    0.0000
   780        0.6064             nan     0.0359   -0.0000
   800        0.6056             nan     0.0359    0.0000
   820        0.6048             nan     0.0359    0.0000
   840        0.6041             nan     0.0359   -0.0000
   855        0.6036             nan     0.0359   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0746             nan     0.0373    0.0127
     2        1.0510             nan     0.0373    0.0116
     3        1.0296             nan     0.0373    0.0106
     4        1.0100             nan     0.0373    0.0097
     5        0.9923             nan     0.0373    0.0089
     6        0.9756             nan     0.0373    0.0085
     7        0.9597             nan     0.0373    0.0079
     8        0.9454             nan     0.0373    0.0070
     9        0.9327             nan     0.0373    0.0065
    10        0.9205             nan     0.0373    0.0061
    20        0.8323             nan     0.0373    0.0031
    40        0.7373             nan     0.0373    0.0014
    60        0.6875             nan     0.0373    0.0008
    80        0.6582             nan     0.0373    0.0005
   100        0.6412             nan     0.0373    0.0003
   120        0.6293             nan     0.0373    0.0001
   140        0.6203             nan     0.0373    0.0001
   160        0.6135             nan     0.0373    0.0001
   180        0.6083             nan     0.0373    0.0001
   200        0.6038             nan     0.0373    0.0000
   220        0.6000             nan     0.0373    0.0000
   240        0.5963             nan     0.0373    0.0000
   260        0.5932             nan     0.0373    0.0001
   280        0.5903             nan     0.0373    0.0000
   300        0.5879             nan     0.0373    0.0000
   320        0.5859             nan     0.0373   -0.0000
   340        0.5840             nan     0.0373    0.0000
   360        0.5821             nan     0.0373   -0.0000
   380        0.5803             nan     0.0373   -0.0000
   400        0.5786             nan     0.0373   -0.0000
   420        0.5771             nan     0.0373   -0.0000
   440        0.5757             nan     0.0373   -0.0000
   460        0.5744             nan     0.0373    0.0000
   480        0.5732             nan     0.0373   -0.0000
   500        0.5718             nan     0.0373   -0.0000
   520        0.5704             nan     0.0373    0.0000
   527        0.5701             nan     0.0373   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0740             nan     0.0379    0.0131
     2        1.0503             nan     0.0379    0.0120
     3        1.0288             nan     0.0379    0.0108
     4        1.0092             nan     0.0379    0.0099
     5        0.9913             nan     0.0379    0.0090
     6        0.9747             nan     0.0379    0.0083
     7        0.9593             nan     0.0379    0.0077
     8        0.9446             nan     0.0379    0.0073
     9        0.9316             nan     0.0379    0.0065
    10        0.9187             nan     0.0379    0.0064
    20        0.8296             nan     0.0379    0.0034
    40        0.7336             nan     0.0379    0.0018
    60        0.6854             nan     0.0379    0.0011
    80        0.6579             nan     0.0379    0.0003
   100        0.6399             nan     0.0379    0.0002
   120        0.6286             nan     0.0379    0.0002
   140        0.6193             nan     0.0379    0.0003
   160        0.6123             nan     0.0379    0.0001
   180        0.6060             nan     0.0379    0.0001
   200        0.6013             nan     0.0379    0.0000
   220        0.5973             nan     0.0379    0.0001
   240        0.5934             nan     0.0379    0.0000
   260        0.5902             nan     0.0379    0.0001
   280        0.5876             nan     0.0379    0.0000
   300        0.5851             nan     0.0379    0.0000
   320        0.5826             nan     0.0379    0.0001
   340        0.5809             nan     0.0379    0.0000
   342        0.5806             nan     0.0379    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0752             nan     0.0398    0.0124
     2        1.0524             nan     0.0398    0.0113
     3        1.0317             nan     0.0398    0.0102
     4        1.0125             nan     0.0398    0.0097
     5        0.9954             nan     0.0398    0.0086
     6        0.9792             nan     0.0398    0.0081
     7        0.9637             nan     0.0398    0.0074
     8        0.9501             nan     0.0398    0.0067
     9        0.9367             nan     0.0398    0.0065
    10        0.9246             nan     0.0398    0.0061
    20        0.8329             nan     0.0398    0.0038
    40        0.7442             nan     0.0398    0.0015
    60        0.6974             nan     0.0398    0.0008
    80        0.6683             nan     0.0398    0.0006
   100        0.6495             nan     0.0398    0.0004
   120        0.6364             nan     0.0398    0.0002
   140        0.6272             nan     0.0398    0.0002
   160        0.6192             nan     0.0398    0.0001
   180        0.6132             nan     0.0398    0.0002
   200        0.6084             nan     0.0398    0.0001
   220        0.6040             nan     0.0398   -0.0000
   240        0.6001             nan     0.0398    0.0000
   260        0.5970             nan     0.0398    0.0000
   280        0.5934             nan     0.0398    0.0002
   300        0.5909             nan     0.0398    0.0000
   320        0.5885             nan     0.0398    0.0000
   340        0.5864             nan     0.0398    0.0001
   360        0.5842             nan     0.0398   -0.0000
   380        0.5824             nan     0.0398   -0.0001
   400        0.5809             nan     0.0398    0.0000
   420        0.5788             nan     0.0398    0.0000
   440        0.5773             nan     0.0398   -0.0000
   460        0.5758             nan     0.0398   -0.0000
   480        0.5742             nan     0.0398   -0.0000
   500        0.5729             nan     0.0398   -0.0000
   520        0.5716             nan     0.0398   -0.0000
   540        0.5701             nan     0.0398   -0.0000
   560        0.5689             nan     0.0398   -0.0000
   580        0.5676             nan     0.0398   -0.0000
   600        0.5663             nan     0.0398   -0.0000
   620        0.5649             nan     0.0398    0.0001
   640        0.5639             nan     0.0398   -0.0000
   660        0.5628             nan     0.0398   -0.0000
   680        0.5619             nan     0.0398   -0.0000
   700        0.5612             nan     0.0398   -0.0000
   720        0.5604             nan     0.0398   -0.0000
   740        0.5594             nan     0.0398    0.0001
   760        0.5582             nan     0.0398   -0.0000
   780        0.5573             nan     0.0398   -0.0000
   800        0.5566             nan     0.0398   -0.0000
   820        0.5557             nan     0.0398   -0.0000
   840        0.5550             nan     0.0398   -0.0000
   860        0.5541             nan     0.0398   -0.0000
   880        0.5534             nan     0.0398   -0.0000
   900        0.5526             nan     0.0398   -0.0000
   919        0.5520             nan     0.0398   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0840             nan     0.0410    0.0081
     2        1.0693             nan     0.0410    0.0074
     3        1.0556             nan     0.0410    0.0068
     4        1.0434             nan     0.0410    0.0062
     5        1.0318             nan     0.0410    0.0058
     6        1.0211             nan     0.0410    0.0053
     7        1.0115             nan     0.0410    0.0046
     8        1.0018             nan     0.0410    0.0049
     9        0.9925             nan     0.0410    0.0045
    10        0.9845             nan     0.0410    0.0041
    20        0.9204             nan     0.0410    0.0021
    40        0.8376             nan     0.0410    0.0017
    60        0.7893             nan     0.0410    0.0008
    80        0.7561             nan     0.0410    0.0007
   100        0.7303             nan     0.0410    0.0005
   120        0.7118             nan     0.0410    0.0006
   140        0.6969             nan     0.0410    0.0002
   160        0.6839             nan     0.0410    0.0001
   180        0.6734             nan     0.0410    0.0003
   200        0.6649             nan     0.0410    0.0001
   220        0.6581             nan     0.0410    0.0002
   240        0.6520             nan     0.0410    0.0001
   260        0.6468             nan     0.0410    0.0001
   280        0.6432             nan     0.0410    0.0000
   284        0.6423             nan     0.0410    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0680             nan     0.0452    0.0163
     2        1.0396             nan     0.0452    0.0145
     3        1.0131             nan     0.0452    0.0130
     4        0.9899             nan     0.0452    0.0116
     5        0.9695             nan     0.0452    0.0104
     6        0.9506             nan     0.0452    0.0094
     7        0.9328             nan     0.0452    0.0087
     8        0.9168             nan     0.0452    0.0080
     9        0.9017             nan     0.0452    0.0074
    10        0.8884             nan     0.0452    0.0067
    20        0.7937             nan     0.0452    0.0034
    40        0.6997             nan     0.0452    0.0012
    60        0.6566             nan     0.0452    0.0006
    80        0.6312             nan     0.0452    0.0005
   100        0.6155             nan     0.0452    0.0001
   120        0.6033             nan     0.0452    0.0001
   140        0.5953             nan     0.0452    0.0001
   160        0.5881             nan     0.0452    0.0002
   180        0.5823             nan     0.0452    0.0001
   200        0.5778             nan     0.0452    0.0000
   220        0.5736             nan     0.0452    0.0002
   240        0.5696             nan     0.0452    0.0000
   260        0.5669             nan     0.0452    0.0000
   280        0.5639             nan     0.0452   -0.0000
   300        0.5613             nan     0.0452   -0.0000
   302        0.5611             nan     0.0452    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0817             nan     0.0466    0.0092
     2        1.0655             nan     0.0466    0.0083
     3        1.0501             nan     0.0466    0.0075
     4        1.0365             nan     0.0466    0.0068
     5        1.0238             nan     0.0466    0.0062
     6        1.0128             nan     0.0466    0.0055
     7        1.0016             nan     0.0466    0.0056
     8        0.9925             nan     0.0466    0.0043
     9        0.9846             nan     0.0466    0.0038
    10        0.9746             nan     0.0466    0.0050
    20        0.9039             nan     0.0466    0.0030
    40        0.8210             nan     0.0466    0.0017
    60        0.7739             nan     0.0466    0.0009
    80        0.7410             nan     0.0466    0.0008
   100        0.7172             nan     0.0466    0.0004
   120        0.6989             nan     0.0466    0.0003
   140        0.6835             nan     0.0466    0.0003
   160        0.6719             nan     0.0466    0.0003
   180        0.6629             nan     0.0466    0.0002
   200        0.6554             nan     0.0466    0.0002
   220        0.6491             nan     0.0466    0.0002
   240        0.6441             nan     0.0466    0.0002
   260        0.6398             nan     0.0466    0.0001
   280        0.6357             nan     0.0466    0.0001
   300        0.6327             nan     0.0466    0.0000
   320        0.6294             nan     0.0466    0.0000
   340        0.6271             nan     0.0466    0.0000
   360        0.6253             nan     0.0466    0.0000
   380        0.6231             nan     0.0466   -0.0000
   386        0.6225             nan     0.0466    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0683             nan     0.0467    0.0161
     2        1.0405             nan     0.0467    0.0142
     3        1.0151             nan     0.0467    0.0126
     4        0.9925             nan     0.0467    0.0113
     5        0.9715             nan     0.0467    0.0102
     6        0.9528             nan     0.0467    0.0090
     7        0.9359             nan     0.0467    0.0083
     8        0.9200             nan     0.0467    0.0079
     9        0.9051             nan     0.0467    0.0075
    10        0.8917             nan     0.0467    0.0067
    20        0.8001             nan     0.0467    0.0032
    40        0.7063             nan     0.0467    0.0014
    60        0.6641             nan     0.0467    0.0009
    80        0.6403             nan     0.0467    0.0004
   100        0.6244             nan     0.0467    0.0003
   120        0.6135             nan     0.0467    0.0001
   140        0.6047             nan     0.0467    0.0001
   160        0.5991             nan     0.0467    0.0000
   180        0.5935             nan     0.0467    0.0000
   200        0.5888             nan     0.0467    0.0000
   220        0.5847             nan     0.0467    0.0001
   240        0.5821             nan     0.0467    0.0000
   260        0.5789             nan     0.0467    0.0000
   280        0.5759             nan     0.0467    0.0001
   300        0.5729             nan     0.0467   -0.0000
   320        0.5708             nan     0.0467   -0.0000
   340        0.5686             nan     0.0467    0.0000
   360        0.5664             nan     0.0467   -0.0001
   380        0.5647             nan     0.0467   -0.0000
   400        0.5625             nan     0.0467   -0.0000
   420        0.5606             nan     0.0467   -0.0000
   440        0.5589             nan     0.0467    0.0000
   460        0.5570             nan     0.0467    0.0000
   480        0.5552             nan     0.0467   -0.0000
   500        0.5538             nan     0.0467   -0.0000
   520        0.5522             nan     0.0467    0.0000
   540        0.5509             nan     0.0467   -0.0001
   560        0.5491             nan     0.0467    0.0001
   580        0.5476             nan     0.0467   -0.0000
   600        0.5462             nan     0.0467   -0.0000
   620        0.5447             nan     0.0467   -0.0000
   640        0.5435             nan     0.0467   -0.0000
   660        0.5425             nan     0.0467   -0.0000
   680        0.5416             nan     0.0467   -0.0000
   700        0.5405             nan     0.0467   -0.0000
   720        0.5394             nan     0.0467   -0.0000
   740        0.5382             nan     0.0467   -0.0000
   753        0.5375             nan     0.0467   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0696             nan     0.0497    0.0154
     2        1.0416             nan     0.0497    0.0138
     3        1.0165             nan     0.0497    0.0122
     4        0.9951             nan     0.0497    0.0106
     5        0.9753             nan     0.0497    0.0098
     6        0.9574             nan     0.0497    0.0093
     7        0.9404             nan     0.0497    0.0086
     8        0.9248             nan     0.0497    0.0076
     9        0.9110             nan     0.0497    0.0070
    10        0.8975             nan     0.0497    0.0065
    20        0.8042             nan     0.0497    0.0037
    40        0.7186             nan     0.0497    0.0015
    60        0.6741             nan     0.0497    0.0008
    80        0.6495             nan     0.0497    0.0006
   100        0.6340             nan     0.0497    0.0002
   120        0.6223             nan     0.0497    0.0003
   140        0.6144             nan     0.0497    0.0001
   160        0.6083             nan     0.0497    0.0001
   180        0.6032             nan     0.0497    0.0000
   200        0.5982             nan     0.0497    0.0001
   220        0.5944             nan     0.0497    0.0001
   240        0.5911             nan     0.0497    0.0001
   260        0.5883             nan     0.0497   -0.0000
   280        0.5857             nan     0.0497   -0.0000
   300        0.5831             nan     0.0497   -0.0000
   320        0.5808             nan     0.0497    0.0001
   340        0.5786             nan     0.0497    0.0001
   360        0.5768             nan     0.0497   -0.0000
   380        0.5752             nan     0.0497   -0.0000
   400        0.5735             nan     0.0497   -0.0000
   420        0.5720             nan     0.0497   -0.0000
   440        0.5703             nan     0.0497    0.0000
   460        0.5687             nan     0.0497    0.0000
   480        0.5674             nan     0.0497   -0.0000
   500        0.5662             nan     0.0497   -0.0000
   520        0.5648             nan     0.0497   -0.0000
   540        0.5637             nan     0.0497   -0.0000
   553        0.5630             nan     0.0497   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0737             nan     0.0500    0.0133
     2        1.0493             nan     0.0500    0.0121
     3        1.0280             nan     0.0500    0.0107
     4        1.0084             nan     0.0500    0.0099
     5        0.9906             nan     0.0500    0.0088
     6        0.9749             nan     0.0500    0.0078
     7        0.9567             nan     0.0500    0.0093
     8        0.9436             nan     0.0500    0.0065
     9        0.9314             nan     0.0500    0.0059
    10        0.9168             nan     0.0500    0.0074
    20        0.8273             nan     0.0500    0.0030
    40        0.7444             nan     0.0500    0.0016
    60        0.6993             nan     0.0500    0.0008
    80        0.6714             nan     0.0500    0.0006
   100        0.6535             nan     0.0500    0.0003
   120        0.6417             nan     0.0500    0.0002
   140        0.6332             nan     0.0500    0.0001
   160        0.6269             nan     0.0500    0.0001
   180        0.6212             nan     0.0500    0.0001
   200        0.6165             nan     0.0500    0.0001
   220        0.6126             nan     0.0500    0.0000
   240        0.6094             nan     0.0500   -0.0000
   260        0.6065             nan     0.0500    0.0000
   280        0.6035             nan     0.0500    0.0001
   300        0.6009             nan     0.0500    0.0000
   320        0.5989             nan     0.0500   -0.0000
   340        0.5969             nan     0.0500    0.0000
   360        0.5949             nan     0.0500   -0.0000
   380        0.5932             nan     0.0500    0.0000
   400        0.5915             nan     0.0500   -0.0000
   420        0.5901             nan     0.0500   -0.0000
   440        0.5888             nan     0.0500   -0.0000
   460        0.5877             nan     0.0500   -0.0000
   480        0.5867             nan     0.0500   -0.0000
   500        0.5856             nan     0.0500   -0.0000
   520        0.5841             nan     0.0500    0.0000
   540        0.5830             nan     0.0500   -0.0000
   560        0.5822             nan     0.0500   -0.0000
   580        0.5812             nan     0.0500   -0.0000
   600        0.5802             nan     0.0500   -0.0000
   620        0.5792             nan     0.0500    0.0000
   640        0.5780             nan     0.0500   -0.0000
   660        0.5771             nan     0.0500   -0.0000
   680        0.5763             nan     0.0500   -0.0000
   700        0.5756             nan     0.0500    0.0000
   720        0.5749             nan     0.0500    0.0000
   740        0.5742             nan     0.0500   -0.0000
   760        0.5736             nan     0.0500   -0.0000
   780        0.5730             nan     0.0500   -0.0000
   800        0.5722             nan     0.0500   -0.0000
   820        0.5714             nan     0.0500   -0.0000
   840        0.5707             nan     0.0500   -0.0000
   860        0.5699             nan     0.0500   -0.0000
   880        0.5695             nan     0.0500    0.0000
   900        0.5686             nan     0.0500   -0.0000
   907        0.5684             nan     0.0500   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0718             nan     0.0528    0.0143
     2        1.0465             nan     0.0528    0.0127
     3        1.0242             nan     0.0528    0.0110
     4        1.0042             nan     0.0528    0.0101
     5        0.9867             nan     0.0528    0.0088
     6        0.9699             nan     0.0528    0.0082
     7        0.9510             nan     0.0528    0.0096
     8        0.9342             nan     0.0528    0.0083
     9        0.9191             nan     0.0528    0.0075
    10        0.9059             nan     0.0528    0.0068
    20        0.8205             nan     0.0528    0.0035
    40        0.7385             nan     0.0528    0.0015
    60        0.6938             nan     0.0528    0.0009
    80        0.6675             nan     0.0528    0.0005
   100        0.6509             nan     0.0528    0.0005
   120        0.6394             nan     0.0528    0.0002
   140        0.6314             nan     0.0528    0.0001
   160        0.6254             nan     0.0528    0.0001
   180        0.6206             nan     0.0528    0.0000
   200        0.6155             nan     0.0528    0.0000
   220        0.6116             nan     0.0528    0.0001
   225        0.6108             nan     0.0528    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0712             nan     0.0536    0.0144
     2        1.0456             nan     0.0536    0.0123
     3        1.0231             nan     0.0536    0.0112
     4        1.0027             nan     0.0536    0.0102
     5        0.9846             nan     0.0536    0.0089
     6        0.9681             nan     0.0536    0.0081
     7        0.9498             nan     0.0536    0.0091
     8        0.9362             nan     0.0536    0.0068
     9        0.9206             nan     0.0536    0.0077
    10        0.9067             nan     0.0536    0.0067
    20        0.8228             nan     0.0536    0.0028
    40        0.7382             nan     0.0536    0.0011
    60        0.6927             nan     0.0536    0.0007
    80        0.6670             nan     0.0536    0.0004
   100        0.6499             nan     0.0536    0.0002
   120        0.6386             nan     0.0536    0.0001
   140        0.6300             nan     0.0536    0.0001
   160        0.6245             nan     0.0536    0.0001
   180        0.6185             nan     0.0536    0.0000
   200        0.6147             nan     0.0536    0.0000
   220        0.6111             nan     0.0536    0.0000
   240        0.6078             nan     0.0536    0.0000
   260        0.6052             nan     0.0536    0.0001
   280        0.6028             nan     0.0536    0.0000
   283        0.6025             nan     0.0536    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0790             nan     0.0552    0.0108
     2        1.0596             nan     0.0552    0.0096
     3        1.0428             nan     0.0552    0.0086
     4        1.0293             nan     0.0552    0.0064
     5        1.0143             nan     0.0552    0.0076
     6        1.0010             nan     0.0552    0.0068
     7        0.9905             nan     0.0552    0.0055
     8        0.9783             nan     0.0552    0.0060
     9        0.9675             nan     0.0552    0.0054
    10        0.9592             nan     0.0552    0.0042
    20        0.8840             nan     0.0552    0.0030
    40        0.8007             nan     0.0552    0.0014
    60        0.7534             nan     0.0552    0.0009
    80        0.7221             nan     0.0552    0.0007
   100        0.6992             nan     0.0552    0.0003
   120        0.6817             nan     0.0552    0.0004
   140        0.6691             nan     0.0552    0.0002
   160        0.6588             nan     0.0552    0.0001
   180        0.6514             nan     0.0552    0.0001
   200        0.6449             nan     0.0552    0.0001
   220        0.6394             nan     0.0552    0.0001
   240        0.6349             nan     0.0552    0.0000
   260        0.6312             nan     0.0552    0.0000
   280        0.6281             nan     0.0552    0.0001
   300        0.6254             nan     0.0552    0.0000
   320        0.6227             nan     0.0552    0.0000
   340        0.6204             nan     0.0552    0.0000
   360        0.6185             nan     0.0552    0.0001
   380        0.6163             nan     0.0552    0.0000
   400        0.6144             nan     0.0552    0.0000
   420        0.6125             nan     0.0552    0.0000
   440        0.6106             nan     0.0552    0.0000
   460        0.6093             nan     0.0552    0.0000
   480        0.6079             nan     0.0552    0.0000
   500        0.6066             nan     0.0552    0.0000
   520        0.6055             nan     0.0552    0.0000
   540        0.6044             nan     0.0552    0.0000
   560        0.6032             nan     0.0552   -0.0000
   580        0.6023             nan     0.0552   -0.0000
   600        0.6013             nan     0.0552    0.0000
   620        0.6004             nan     0.0552   -0.0000
   640        0.5994             nan     0.0552   -0.0000
   660        0.5985             nan     0.0552   -0.0000
   680        0.5978             nan     0.0552   -0.0000
   700        0.5972             nan     0.0552   -0.0000
   720        0.5966             nan     0.0552   -0.0000
   740        0.5961             nan     0.0552   -0.0000
   760        0.5955             nan     0.0552   -0.0000
   780        0.5948             nan     0.0552   -0.0000
   800        0.5943             nan     0.0552   -0.0000
   820        0.5938             nan     0.0552   -0.0000
   840        0.5933             nan     0.0552   -0.0000
   860        0.5929             nan     0.0552   -0.0000
   880        0.5923             nan     0.0552   -0.0000
   900        0.5918             nan     0.0552    0.0000
   920        0.5913             nan     0.0552    0.0000
   940        0.5909             nan     0.0552   -0.0000
   956        0.5905             nan     0.0552   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0695             nan     0.0555    0.0150
     2        1.0434             nan     0.0555    0.0129
     3        1.0206             nan     0.0555    0.0111
     4        0.9999             nan     0.0555    0.0104
     5        0.9810             nan     0.0555    0.0093
     6        0.9642             nan     0.0555    0.0082
     7        0.9491             nan     0.0555    0.0074
     8        0.9316             nan     0.0555    0.0086
     9        0.9161             nan     0.0555    0.0077
    10        0.9024             nan     0.0555    0.0070
    20        0.8176             nan     0.0555    0.0029
    40        0.7326             nan     0.0555    0.0014
    60        0.6900             nan     0.0555    0.0010
    80        0.6644             nan     0.0555    0.0005
   100        0.6480             nan     0.0555    0.0004
   120        0.6372             nan     0.0555    0.0002
   140        0.6288             nan     0.0555    0.0001
   160        0.6228             nan     0.0555    0.0001
   180        0.6177             nan     0.0555    0.0001
   200        0.6129             nan     0.0555    0.0000
   220        0.6095             nan     0.0555    0.0000
   240        0.6069             nan     0.0555    0.0001
   260        0.6042             nan     0.0555   -0.0000
   280        0.6013             nan     0.0555    0.0001
   300        0.5993             nan     0.0555   -0.0000
   320        0.5972             nan     0.0555   -0.0000
   340        0.5951             nan     0.0555    0.0000
   360        0.5933             nan     0.0555   -0.0000
   380        0.5915             nan     0.0555   -0.0000
   400        0.5898             nan     0.0555    0.0000
   420        0.5880             nan     0.0555   -0.0000
   440        0.5867             nan     0.0555   -0.0000
   460        0.5855             nan     0.0555   -0.0000
   480        0.5842             nan     0.0555    0.0000
   493        0.5834             nan     0.0555   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0586             nan     0.0614    0.0210
     2        1.0229             nan     0.0614    0.0180
     3        0.9928             nan     0.0614    0.0153
     4        0.9660             nan     0.0614    0.0130
     5        0.9419             nan     0.0614    0.0119
     6        0.9213             nan     0.0614    0.0102
     7        0.9026             nan     0.0614    0.0091
     8        0.8848             nan     0.0614    0.0088
     9        0.8703             nan     0.0614    0.0072
    10        0.8561             nan     0.0614    0.0069
    20        0.7618             nan     0.0614    0.0033
    40        0.6785             nan     0.0614    0.0014
    60        0.6426             nan     0.0614    0.0005
    80        0.6239             nan     0.0614    0.0003
   100        0.6132             nan     0.0614    0.0001
   120        0.6054             nan     0.0614    0.0001
   140        0.5996             nan     0.0614    0.0002
   160        0.5947             nan     0.0614   -0.0001
   180        0.5907             nan     0.0614   -0.0000
   200        0.5873             nan     0.0614   -0.0000
   220        0.5846             nan     0.0614   -0.0000
   240        0.5815             nan     0.0614    0.0000
   260        0.5786             nan     0.0614   -0.0000
   280        0.5763             nan     0.0614   -0.0001
   300        0.5740             nan     0.0614   -0.0000
   320        0.5717             nan     0.0614   -0.0000
   340        0.5698             nan     0.0614    0.0000
   360        0.5677             nan     0.0614   -0.0000
   380        0.5661             nan     0.0614   -0.0000
   400        0.5648             nan     0.0614   -0.0000
   420        0.5632             nan     0.0614    0.0000
   436        0.5622             nan     0.0614    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0550             nan     0.0636    0.0227
     2        1.0172             nan     0.0636    0.0196
     3        0.9848             nan     0.0636    0.0162
     4        0.9564             nan     0.0636    0.0141
     5        0.9312             nan     0.0636    0.0124
     6        0.9087             nan     0.0636    0.0110
     7        0.8892             nan     0.0636    0.0095
     8        0.8717             nan     0.0636    0.0088
     9        0.8559             nan     0.0636    0.0077
    10        0.8412             nan     0.0636    0.0071
    20        0.7428             nan     0.0636    0.0038
    40        0.6629             nan     0.0636    0.0011
    60        0.6282             nan     0.0636    0.0005
    80        0.6094             nan     0.0636    0.0003
   100        0.5977             nan     0.0636    0.0001
   120        0.5894             nan     0.0636    0.0002
   140        0.5812             nan     0.0636    0.0000
   160        0.5751             nan     0.0636    0.0002
   180        0.5695             nan     0.0636    0.0002
   200        0.5651             nan     0.0636   -0.0001
   220        0.5613             nan     0.0636   -0.0001
   240        0.5578             nan     0.0636   -0.0000
   260        0.5549             nan     0.0636   -0.0000
   280        0.5511             nan     0.0636   -0.0000
   300        0.5484             nan     0.0636   -0.0001
   320        0.5460             nan     0.0636   -0.0000
   340        0.5434             nan     0.0636   -0.0000
   360        0.5413             nan     0.0636   -0.0000
   380        0.5389             nan     0.0636   -0.0000
   400        0.5370             nan     0.0636   -0.0000
   420        0.5348             nan     0.0636   -0.0001
   440        0.5324             nan     0.0636   -0.0000
   460        0.5306             nan     0.0636   -0.0000
   480        0.5283             nan     0.0636   -0.0001
   500        0.5262             nan     0.0636   -0.0000
   520        0.5247             nan     0.0636   -0.0001
   540        0.5227             nan     0.0636   -0.0001
   560        0.5210             nan     0.0636   -0.0001
   580        0.5194             nan     0.0636   -0.0001
   586        0.5189             nan     0.0636   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0541             nan     0.0644    0.0230
     2        1.0157             nan     0.0644    0.0192
     3        0.9825             nan     0.0644    0.0164
     4        0.9539             nan     0.0644    0.0141
     5        0.9292             nan     0.0644    0.0123
     6        0.9069             nan     0.0644    0.0108
     7        0.8871             nan     0.0644    0.0098
     8        0.8696             nan     0.0644    0.0086
     9        0.8544             nan     0.0644    0.0078
    10        0.8399             nan     0.0644    0.0070
    20        0.7422             nan     0.0644    0.0038
    40        0.6605             nan     0.0644    0.0009
    60        0.6279             nan     0.0644    0.0004
    80        0.6089             nan     0.0644    0.0002
   100        0.5980             nan     0.0644    0.0000
   120        0.5886             nan     0.0644    0.0002
   140        0.5824             nan     0.0644   -0.0000
   160        0.5761             nan     0.0644    0.0002
   180        0.5718             nan     0.0644    0.0000
   200        0.5678             nan     0.0644   -0.0000
   220        0.5643             nan     0.0644   -0.0001
   240        0.5608             nan     0.0644   -0.0000
   260        0.5572             nan     0.0644   -0.0001
   280        0.5541             nan     0.0644   -0.0000
   300        0.5514             nan     0.0644    0.0001
   320        0.5491             nan     0.0644   -0.0001
   340        0.5467             nan     0.0644   -0.0001
   360        0.5448             nan     0.0644   -0.0000
   380        0.5429             nan     0.0644   -0.0001
   400        0.5411             nan     0.0644   -0.0001
   420        0.5391             nan     0.0644   -0.0000
   440        0.5374             nan     0.0644   -0.0001
   460        0.5358             nan     0.0644   -0.0001
   480        0.5342             nan     0.0644   -0.0000
   500        0.5324             nan     0.0644   -0.0000
   520        0.5307             nan     0.0644   -0.0001
   540        0.5292             nan     0.0644   -0.0000
   560        0.5275             nan     0.0644    0.0001
   580        0.5260             nan     0.0644   -0.0001
   600        0.5248             nan     0.0644   -0.0001
   620        0.5234             nan     0.0644   -0.0001
   640        0.5221             nan     0.0644   -0.0000
   660        0.5203             nan     0.0644   -0.0000
   680        0.5186             nan     0.0644   -0.0000
   700        0.5171             nan     0.0644   -0.0001
   720        0.5158             nan     0.0644   -0.0001
   740        0.5148             nan     0.0644   -0.0000
   760        0.5137             nan     0.0644   -0.0001
   780        0.5127             nan     0.0644   -0.0000
   800        0.5114             nan     0.0644   -0.0001
   820        0.5102             nan     0.0644   -0.0001
   840        0.5093             nan     0.0644   -0.0000
   860        0.5082             nan     0.0644   -0.0000
   880        0.5072             nan     0.0644   -0.0000
   897        0.5062             nan     0.0644   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0568             nan     0.0662    0.0222
     2        1.0190             nan     0.0662    0.0193
     3        0.9877             nan     0.0662    0.0158
     4        0.9592             nan     0.0662    0.0142
     5        0.9348             nan     0.0662    0.0122
     6        0.9132             nan     0.0662    0.0106
     7        0.8934             nan     0.0662    0.0095
     8        0.8758             nan     0.0662    0.0088
     9        0.8609             nan     0.0662    0.0074
    10        0.8462             nan     0.0662    0.0072
    20        0.7513             nan     0.0662    0.0036
    40        0.6691             nan     0.0662    0.0009
    60        0.6366             nan     0.0662    0.0005
    80        0.6198             nan     0.0662    0.0002
   100        0.6093             nan     0.0662    0.0001
   120        0.6018             nan     0.0662    0.0001
   140        0.5966             nan     0.0662    0.0000
   160        0.5925             nan     0.0662    0.0000
   180        0.5886             nan     0.0662   -0.0000
   200        0.5858             nan     0.0662   -0.0001
   220        0.5826             nan     0.0662   -0.0000
   240        0.5794             nan     0.0662   -0.0001
   260        0.5769             nan     0.0662   -0.0001
   280        0.5747             nan     0.0662   -0.0001
   300        0.5729             nan     0.0662   -0.0000
   320        0.5706             nan     0.0662   -0.0001
   340        0.5684             nan     0.0662   -0.0000
   354        0.5672             nan     0.0662    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0551             nan     0.0663    0.0228
     2        1.0162             nan     0.0663    0.0193
     3        0.9841             nan     0.0663    0.0159
     4        0.9564             nan     0.0663    0.0135
     5        0.9320             nan     0.0663    0.0121
     6        0.9103             nan     0.0663    0.0108
     7        0.8913             nan     0.0663    0.0093
     8        0.8739             nan     0.0663    0.0085
     9        0.8586             nan     0.0663    0.0074
    10        0.8445             nan     0.0663    0.0072
    20        0.7500             nan     0.0663    0.0034
    40        0.6708             nan     0.0663    0.0013
    60        0.6350             nan     0.0663    0.0007
    80        0.6175             nan     0.0663    0.0003
   100        0.6053             nan     0.0663    0.0001
   120        0.5954             nan     0.0663    0.0000
   140        0.5878             nan     0.0663    0.0000
   160        0.5823             nan     0.0663    0.0001
   180        0.5777             nan     0.0663   -0.0001
   200        0.5730             nan     0.0663   -0.0000
   220        0.5690             nan     0.0663   -0.0000
   240        0.5650             nan     0.0663   -0.0001
   260        0.5620             nan     0.0663   -0.0000
   280        0.5592             nan     0.0663   -0.0001
   300        0.5565             nan     0.0663   -0.0000
   320        0.5537             nan     0.0663   -0.0000
   340        0.5510             nan     0.0663   -0.0000
   355        0.5493             nan     0.0663   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0633             nan     0.0685    0.0185
     2        1.0315             nan     0.0685    0.0154
     3        1.0048             nan     0.0685    0.0131
     4        0.9808             nan     0.0685    0.0119
     5        0.9604             nan     0.0685    0.0102
     6        0.9371             nan     0.0685    0.0116
     7        0.9176             nan     0.0685    0.0098
     8        0.9001             nan     0.0685    0.0088
     9        0.8864             nan     0.0685    0.0066
    10        0.8741             nan     0.0685    0.0061
    20        0.7907             nan     0.0685    0.0030
    40        0.7085             nan     0.0685    0.0012
    60        0.6687             nan     0.0685    0.0004
    80        0.6474             nan     0.0685    0.0004
   100        0.6345             nan     0.0685    0.0002
   120        0.6256             nan     0.0685    0.0001
   140        0.6197             nan     0.0685    0.0000
   160        0.6144             nan     0.0685    0.0001
   180        0.6093             nan     0.0685    0.0001
   200        0.6058             nan     0.0685   -0.0000
   220        0.6029             nan     0.0685    0.0000
   240        0.6003             nan     0.0685    0.0000
   260        0.5981             nan     0.0685    0.0000
   280        0.5962             nan     0.0685   -0.0000
   300        0.5938             nan     0.0685    0.0000
   320        0.5922             nan     0.0685   -0.0000
   340        0.5905             nan     0.0685    0.0000
   360        0.5892             nan     0.0685    0.0000
   380        0.5879             nan     0.0685    0.0001
   400        0.5863             nan     0.0685   -0.0001
   406        0.5860             nan     0.0685   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0633             nan     0.0687    0.0182
     2        1.0325             nan     0.0687    0.0155
     3        1.0057             nan     0.0687    0.0130
     4        0.9816             nan     0.0687    0.0119
     5        0.9615             nan     0.0687    0.0106
     6        0.9393             nan     0.0687    0.0114
     7        0.9228             nan     0.0687    0.0084
     8        0.9046             nan     0.0687    0.0089
     9        0.8891             nan     0.0687    0.0079
    10        0.8767             nan     0.0687    0.0065
    20        0.7914             nan     0.0687    0.0033
    40        0.7109             nan     0.0687    0.0018
    60        0.6707             nan     0.0687    0.0005
    80        0.6489             nan     0.0687    0.0002
   100        0.6355             nan     0.0687    0.0001
   120        0.6260             nan     0.0687    0.0001
   140        0.6192             nan     0.0687    0.0001
   160        0.6140             nan     0.0687    0.0000
   180        0.6096             nan     0.0687    0.0001
   200        0.6042             nan     0.0687    0.0002
   220        0.6005             nan     0.0687   -0.0001
   240        0.5980             nan     0.0687    0.0000
   260        0.5953             nan     0.0687   -0.0000
   280        0.5926             nan     0.0687    0.0001
   300        0.5900             nan     0.0687   -0.0000
   320        0.5877             nan     0.0687    0.0001
   340        0.5858             nan     0.0687   -0.0000
   360        0.5838             nan     0.0687   -0.0000
   380        0.5821             nan     0.0687   -0.0000
   400        0.5793             nan     0.0687    0.0003
   420        0.5780             nan     0.0687   -0.0000
   440        0.5766             nan     0.0687   -0.0000
   460        0.5751             nan     0.0687   -0.0000
   480        0.5740             nan     0.0687   -0.0000
   500        0.5726             nan     0.0687   -0.0000
   520        0.5716             nan     0.0687   -0.0000
   540        0.5704             nan     0.0687   -0.0000
   560        0.5691             nan     0.0687   -0.0000
   580        0.5674             nan     0.0687    0.0000
   600        0.5667             nan     0.0687   -0.0000
   620        0.5657             nan     0.0687   -0.0000
   640        0.5647             nan     0.0687   -0.0000
   660        0.5637             nan     0.0687   -0.0000
   680        0.5630             nan     0.0687   -0.0001
   700        0.5620             nan     0.0687   -0.0000
   720        0.5608             nan     0.0687   -0.0000
   740        0.5598             nan     0.0687   -0.0000
   760        0.5588             nan     0.0687   -0.0000
   780        0.5578             nan     0.0687   -0.0001
   800        0.5568             nan     0.0687   -0.0000
   820        0.5560             nan     0.0687   -0.0000
   840        0.5552             nan     0.0687   -0.0000
   860        0.5545             nan     0.0687   -0.0000
   880        0.5539             nan     0.0687   -0.0000
   881        0.5538             nan     0.0687   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0728             nan     0.0697    0.0135
     2        1.0494             nan     0.0697    0.0116
     3        1.0284             nan     0.0697    0.0099
     4        1.0121             nan     0.0697    0.0080
     5        0.9948             nan     0.0697    0.0085
     6        0.9824             nan     0.0697    0.0061
     7        0.9674             nan     0.0697    0.0073
     8        0.9545             nan     0.0697    0.0063
     9        0.9444             nan     0.0697    0.0048
    10        0.9328             nan     0.0697    0.0057
    20        0.8540             nan     0.0697    0.0035
    40        0.7720             nan     0.0697    0.0014
    60        0.7263             nan     0.0697    0.0011
    80        0.6985             nan     0.0697    0.0006
   100        0.6770             nan     0.0697    0.0005
   120        0.6628             nan     0.0697    0.0003
   140        0.6520             nan     0.0697    0.0001
   160        0.6445             nan     0.0697    0.0001
   180        0.6383             nan     0.0697    0.0001
   200        0.6330             nan     0.0697    0.0000
   220        0.6286             nan     0.0697    0.0000
   240        0.6248             nan     0.0697    0.0002
   260        0.6219             nan     0.0697    0.0000
   280        0.6192             nan     0.0697    0.0000
   300        0.6163             nan     0.0697    0.0000
   320        0.6138             nan     0.0697    0.0000
   340        0.6115             nan     0.0697    0.0000
   360        0.6097             nan     0.0697    0.0000
   380        0.6077             nan     0.0697    0.0000
   400        0.6062             nan     0.0697    0.0000
   420        0.6045             nan     0.0697   -0.0000
   440        0.6032             nan     0.0697   -0.0000
   460        0.6018             nan     0.0697   -0.0000
   480        0.6006             nan     0.0697   -0.0000
   500        0.5995             nan     0.0697   -0.0000
   520        0.5985             nan     0.0697   -0.0000
   540        0.5977             nan     0.0697   -0.0000
   545        0.5975             nan     0.0697   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0488             nan     0.0714    0.0258
     2        1.0073             nan     0.0714    0.0207
     3        0.9720             nan     0.0714    0.0176
     4        0.9426             nan     0.0714    0.0149
     5        0.9164             nan     0.0714    0.0129
     6        0.8940             nan     0.0714    0.0111
     7        0.8730             nan     0.0714    0.0105
     8        0.8552             nan     0.0714    0.0088
     9        0.8392             nan     0.0714    0.0078
    10        0.8257             nan     0.0714    0.0068
    20        0.7281             nan     0.0714    0.0030
    40        0.6519             nan     0.0714    0.0011
    60        0.6204             nan     0.0714    0.0005
    80        0.6028             nan     0.0714    0.0004
   100        0.5912             nan     0.0714    0.0001
   120        0.5835             nan     0.0714    0.0000
   140        0.5769             nan     0.0714    0.0001
   160        0.5723             nan     0.0714    0.0000
   180        0.5679             nan     0.0714    0.0000
   200        0.5638             nan     0.0714   -0.0000
   220        0.5603             nan     0.0714   -0.0001
   240        0.5569             nan     0.0714   -0.0000
   260        0.5541             nan     0.0714   -0.0001
   280        0.5512             nan     0.0714   -0.0000
   300        0.5488             nan     0.0714   -0.0001
   320        0.5464             nan     0.0714   -0.0000
   340        0.5444             nan     0.0714   -0.0001
   360        0.5422             nan     0.0714   -0.0000
   380        0.5401             nan     0.0714   -0.0001
   400        0.5379             nan     0.0714   -0.0000
   420        0.5358             nan     0.0714   -0.0001
   440        0.5338             nan     0.0714    0.0001
   460        0.5322             nan     0.0714   -0.0001
   473        0.5311             nan     0.0714   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0609             nan     0.0743    0.0199
     2        1.0274             nan     0.0743    0.0162
     3        0.9990             nan     0.0743    0.0141
     4        0.9737             nan     0.0743    0.0126
     5        0.9477             nan     0.0743    0.0129
     6        0.9254             nan     0.0743    0.0112
     7        0.9060             nan     0.0743    0.0094
     8        0.8893             nan     0.0743    0.0083
     9        0.8756             nan     0.0743    0.0067
    10        0.8628             nan     0.0743    0.0062
    20        0.7796             nan     0.0743    0.0027
    40        0.6988             nan     0.0743    0.0011
    60        0.6616             nan     0.0743    0.0006
    80        0.6423             nan     0.0743    0.0003
   100        0.6303             nan     0.0743    0.0000
   120        0.6220             nan     0.0743    0.0001
   140        0.6157             nan     0.0743    0.0001
   160        0.6100             nan     0.0743    0.0002
   180        0.6054             nan     0.0743   -0.0000
   185        0.6046             nan     0.0743    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0484             nan     0.0751    0.0258
     2        1.0074             nan     0.0751    0.0209
     3        0.9729             nan     0.0751    0.0173
     4        0.9433             nan     0.0751    0.0149
     5        0.9175             nan     0.0751    0.0126
     6        0.8952             nan     0.0751    0.0108
     7        0.8751             nan     0.0751    0.0100
     8        0.8571             nan     0.0751    0.0090
     9        0.8420             nan     0.0751    0.0072
    10        0.8284             nan     0.0751    0.0066
    20        0.7348             nan     0.0751    0.0036
    40        0.6580             nan     0.0751    0.0009
    60        0.6267             nan     0.0751    0.0001
    80        0.6096             nan     0.0751    0.0003
   100        0.5979             nan     0.0751    0.0000
   120        0.5893             nan     0.0751    0.0000
   140        0.5836             nan     0.0751   -0.0000
   160        0.5782             nan     0.0751   -0.0000
   180        0.5741             nan     0.0751   -0.0000
   200        0.5697             nan     0.0751   -0.0001
   220        0.5657             nan     0.0751   -0.0000
   225        0.5649             nan     0.0751   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0593             nan     0.0773    0.0204
     2        1.0250             nan     0.0773    0.0169
     3        0.9955             nan     0.0773    0.0145
     4        0.9711             nan     0.0773    0.0123
     5        0.9437             nan     0.0773    0.0137
     6        0.9211             nan     0.0773    0.0114
     7        0.9021             nan     0.0773    0.0096
     8        0.8871             nan     0.0773    0.0074
     9        0.8727             nan     0.0773    0.0072
    10        0.8584             nan     0.0773    0.0072
    20        0.7767             nan     0.0773    0.0032
    40        0.6948             nan     0.0773    0.0015
    60        0.6598             nan     0.0773    0.0005
    80        0.6401             nan     0.0773    0.0003
   100        0.6289             nan     0.0773    0.0001
   120        0.6211             nan     0.0773    0.0001
   140        0.6141             nan     0.0773    0.0001
   160        0.6095             nan     0.0773    0.0000
   180        0.6049             nan     0.0773   -0.0000
   200        0.6007             nan     0.0773    0.0001
   220        0.5979             nan     0.0773   -0.0000
   240        0.5950             nan     0.0773    0.0001
   260        0.5925             nan     0.0773    0.0000
   280        0.5904             nan     0.0773   -0.0000
   300        0.5881             nan     0.0773    0.0000
   320        0.5863             nan     0.0773   -0.0001
   340        0.5846             nan     0.0773   -0.0000
   360        0.5827             nan     0.0773    0.0000
   380        0.5813             nan     0.0773   -0.0000
   400        0.5798             nan     0.0773   -0.0000
   420        0.5781             nan     0.0773   -0.0000
   440        0.5768             nan     0.0773   -0.0001
   460        0.5758             nan     0.0773   -0.0000
   480        0.5746             nan     0.0773   -0.0000
   500        0.5737             nan     0.0773   -0.0001
   520        0.5725             nan     0.0773   -0.0000
   540        0.5714             nan     0.0773   -0.0001
   560        0.5705             nan     0.0773   -0.0000
   580        0.5698             nan     0.0773   -0.0001
   600        0.5692             nan     0.0773   -0.0000
   606        0.5689             nan     0.0773   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0698             nan     0.0774    0.0149
     2        1.0437             nan     0.0774    0.0126
     3        1.0225             nan     0.0774    0.0107
     4        1.0049             nan     0.0774    0.0082
     5        0.9871             nan     0.0774    0.0090
     6        0.9740             nan     0.0774    0.0064
     7        0.9591             nan     0.0774    0.0076
     8        0.9456             nan     0.0774    0.0066
     9        0.9326             nan     0.0774    0.0065
    10        0.9225             nan     0.0774    0.0048
    20        0.8416             nan     0.0774    0.0030
    40        0.7589             nan     0.0774    0.0012
    60        0.7162             nan     0.0774    0.0008
    80        0.6869             nan     0.0774    0.0006
   100        0.6674             nan     0.0774    0.0002
   120        0.6551             nan     0.0774    0.0004
   140        0.6452             nan     0.0774    0.0001
   160        0.6382             nan     0.0774    0.0001
   180        0.6332             nan     0.0774   -0.0000
   200        0.6283             nan     0.0774    0.0000
   220        0.6239             nan     0.0774    0.0002
   240        0.6208             nan     0.0774   -0.0000
   260        0.6175             nan     0.0774    0.0000
   280        0.6149             nan     0.0774    0.0000
   300        0.6125             nan     0.0774    0.0000
   320        0.6102             nan     0.0774    0.0000
   340        0.6086             nan     0.0774    0.0000
   360        0.6067             nan     0.0774   -0.0000
   380        0.6053             nan     0.0774   -0.0000
   400        0.6032             nan     0.0774    0.0000
   420        0.6017             nan     0.0774    0.0000
   440        0.6003             nan     0.0774    0.0000
   460        0.5995             nan     0.0774   -0.0000
   480        0.5984             nan     0.0774   -0.0000
   500        0.5973             nan     0.0774   -0.0000
   520        0.5966             nan     0.0774   -0.0000
   540        0.5958             nan     0.0774   -0.0000
   560        0.5951             nan     0.0774   -0.0001
   580        0.5944             nan     0.0774   -0.0000
   600        0.5935             nan     0.0774   -0.0000
   620        0.5926             nan     0.0774   -0.0000
   640        0.5919             nan     0.0774    0.0000
   660        0.5912             nan     0.0774    0.0000
   680        0.5904             nan     0.0774   -0.0000
   700        0.5898             nan     0.0774   -0.0000
   720        0.5892             nan     0.0774   -0.0000
   735        0.5888             nan     0.0774   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0465             nan     0.0790    0.0268
     2        1.0043             nan     0.0790    0.0218
     3        0.9684             nan     0.0790    0.0180
     4        0.9375             nan     0.0790    0.0151
     5        0.9114             nan     0.0790    0.0129
     6        0.8887             nan     0.0790    0.0113
     7        0.8684             nan     0.0790    0.0101
     8        0.8506             nan     0.0790    0.0088
     9        0.8348             nan     0.0790    0.0077
    10        0.8208             nan     0.0790    0.0066
    20        0.7289             nan     0.0790    0.0033
    40        0.6569             nan     0.0790    0.0011
    60        0.6259             nan     0.0790    0.0003
    80        0.6094             nan     0.0790    0.0001
   100        0.5991             nan     0.0790    0.0001
   120        0.5907             nan     0.0790    0.0000
   140        0.5844             nan     0.0790    0.0000
   160        0.5797             nan     0.0790   -0.0000
   180        0.5760             nan     0.0790   -0.0000
   200        0.5719             nan     0.0790   -0.0000
   220        0.5687             nan     0.0790   -0.0001
   240        0.5657             nan     0.0790   -0.0000
   260        0.5629             nan     0.0790   -0.0000
   280        0.5597             nan     0.0790    0.0001
   300        0.5578             nan     0.0790   -0.0001
   320        0.5553             nan     0.0790   -0.0000
   340        0.5529             nan     0.0790   -0.0001
   360        0.5510             nan     0.0790   -0.0000
   380        0.5492             nan     0.0790   -0.0000
   388        0.5485             nan     0.0790   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0574             nan     0.0803    0.0212
     2        1.0217             nan     0.0803    0.0171
     3        0.9917             nan     0.0803    0.0150
     4        0.9671             nan     0.0803    0.0126
     5        0.9392             nan     0.0803    0.0136
     6        0.9161             nan     0.0803    0.0115
     7        0.8965             nan     0.0803    0.0099
     8        0.8797             nan     0.0803    0.0084
     9        0.8663             nan     0.0803    0.0069
    10        0.8527             nan     0.0803    0.0068
    20        0.7712             nan     0.0803    0.0035
    40        0.6922             nan     0.0803    0.0010
    60        0.6573             nan     0.0803    0.0007
    80        0.6395             nan     0.0803    0.0002
   100        0.6282             nan     0.0803    0.0001
   120        0.6201             nan     0.0803    0.0001
   140        0.6141             nan     0.0803    0.0001
   160        0.6084             nan     0.0803   -0.0000
   180        0.6043             nan     0.0803    0.0000
   200        0.6005             nan     0.0803    0.0001
   220        0.5966             nan     0.0803   -0.0000
   240        0.5939             nan     0.0803    0.0000
   260        0.5916             nan     0.0803    0.0001
   270        0.5901             nan     0.0803   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0507             nan     0.0808    0.0244
     2        1.0109             nan     0.0808    0.0202
     3        0.9754             nan     0.0808    0.0185
     4        0.9462             nan     0.0808    0.0143
     5        0.9202             nan     0.0808    0.0129
     6        0.8978             nan     0.0808    0.0108
     7        0.8794             nan     0.0808    0.0092
     8        0.8600             nan     0.0808    0.0094
     9        0.8436             nan     0.0808    0.0084
    10        0.8288             nan     0.0808    0.0076
    20        0.7420             nan     0.0808    0.0033
    40        0.6668             nan     0.0808    0.0009
    60        0.6365             nan     0.0808    0.0004
    80        0.6198             nan     0.0808    0.0002
   100        0.6083             nan     0.0808    0.0002
   120        0.6003             nan     0.0808    0.0001
   140        0.5936             nan     0.0808    0.0001
   160        0.5891             nan     0.0808    0.0001
   180        0.5848             nan     0.0808   -0.0001
   200        0.5814             nan     0.0808    0.0001
   220        0.5784             nan     0.0808    0.0000
   240        0.5751             nan     0.0808   -0.0000
   260        0.5728             nan     0.0808   -0.0001
   280        0.5701             nan     0.0808   -0.0000
   300        0.5677             nan     0.0808   -0.0000
   320        0.5654             nan     0.0808   -0.0000
   340        0.5633             nan     0.0808   -0.0000
   360        0.5617             nan     0.0808   -0.0000
   380        0.5601             nan     0.0808   -0.0001
   400        0.5580             nan     0.0808   -0.0000
   420        0.5559             nan     0.0808   -0.0001
   440        0.5545             nan     0.0808   -0.0000
   460        0.5534             nan     0.0808   -0.0001
   480        0.5517             nan     0.0808    0.0000
   500        0.5502             nan     0.0808   -0.0000
   520        0.5485             nan     0.0808   -0.0001
   540        0.5476             nan     0.0808   -0.0001
   560        0.5464             nan     0.0808   -0.0001
   580        0.5454             nan     0.0808   -0.0001
   600        0.5441             nan     0.0808   -0.0001
   620        0.5430             nan     0.0808   -0.0000
   640        0.5419             nan     0.0808   -0.0000
   660        0.5409             nan     0.0808   -0.0001
   680        0.5397             nan     0.0808   -0.0000
   700        0.5387             nan     0.0808   -0.0001
   720        0.5377             nan     0.0808   -0.0001
   723        0.5376             nan     0.0808   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0492             nan     0.0838    0.0251
     2        1.0058             nan     0.0838    0.0210
     3        0.9711             nan     0.0838    0.0174
     4        0.9427             nan     0.0838    0.0143
     5        0.9158             nan     0.0838    0.0136
     6        0.8936             nan     0.0838    0.0112
     7        0.8722             nan     0.0838    0.0105
     8        0.8559             nan     0.0838    0.0079
     9        0.8388             nan     0.0838    0.0087
    10        0.8235             nan     0.0838    0.0074
    20        0.7362             nan     0.0838    0.0028
    40        0.6631             nan     0.0838    0.0010
    60        0.6356             nan     0.0838    0.0003
    80        0.6205             nan     0.0838    0.0000
   100        0.6106             nan     0.0838    0.0001
   120        0.6042             nan     0.0838    0.0000
   123        0.6031             nan     0.0838   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0417             nan     0.0840    0.0301
     2        0.9935             nan     0.0840    0.0234
     3        0.9549             nan     0.0840    0.0189
     4        0.9218             nan     0.0840    0.0161
     5        0.8941             nan     0.0840    0.0136
     6        0.8709             nan     0.0840    0.0116
     7        0.8502             nan     0.0840    0.0102
     8        0.8325             nan     0.0840    0.0087
     9        0.8170             nan     0.0840    0.0075
    10        0.8024             nan     0.0840    0.0069
    20        0.7069             nan     0.0840    0.0030
    40        0.6395             nan     0.0840    0.0010
    60        0.6112             nan     0.0840    0.0004
    80        0.5956             nan     0.0840    0.0001
   100        0.5858             nan     0.0840    0.0000
   120        0.5788             nan     0.0840    0.0001
   140        0.5725             nan     0.0840    0.0002
   160        0.5671             nan     0.0840   -0.0000
   180        0.5624             nan     0.0840   -0.0000
   200        0.5578             nan     0.0840   -0.0001
   220        0.5545             nan     0.0840   -0.0001
   240        0.5511             nan     0.0840   -0.0000
   260        0.5480             nan     0.0840   -0.0000
   280        0.5455             nan     0.0840   -0.0001
   300        0.5432             nan     0.0840   -0.0001
   320        0.5409             nan     0.0840   -0.0001
   340        0.5385             nan     0.0840   -0.0000
   360        0.5363             nan     0.0840   -0.0001
   380        0.5344             nan     0.0840   -0.0000
   400        0.5324             nan     0.0840   -0.0001
   420        0.5306             nan     0.0840   -0.0001
   440        0.5288             nan     0.0840   -0.0001
   460        0.5268             nan     0.0840   -0.0001
   480        0.5252             nan     0.0840   -0.0001
   500        0.5236             nan     0.0840   -0.0001
   520        0.5217             nan     0.0840   -0.0001
   540        0.5200             nan     0.0840   -0.0001
   560        0.5181             nan     0.0840   -0.0001
   580        0.5166             nan     0.0840   -0.0001
   600        0.5151             nan     0.0840   -0.0000
   620        0.5135             nan     0.0840   -0.0001
   640        0.5118             nan     0.0840   -0.0001
   660        0.5102             nan     0.0840   -0.0001
   680        0.5086             nan     0.0840   -0.0001
   700        0.5073             nan     0.0840   -0.0001
   720        0.5061             nan     0.0840   -0.0001
   740        0.5044             nan     0.0840   -0.0001
   760        0.5030             nan     0.0840   -0.0001
   780        0.5015             nan     0.0840   -0.0001
   800        0.5001             nan     0.0840   -0.0001
   820        0.4987             nan     0.0840   -0.0001
   840        0.4974             nan     0.0840   -0.0001
   860        0.4962             nan     0.0840   -0.0001
   880        0.4952             nan     0.0840   -0.0001
   900        0.4940             nan     0.0840   -0.0001
   920        0.4925             nan     0.0840   -0.0000
   939        0.4915             nan     0.0840   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0407             nan     0.0873    0.0295
     2        0.9949             nan     0.0873    0.0226
     3        0.9557             nan     0.0873    0.0196
     4        0.9242             nan     0.0873    0.0159
     5        0.8977             nan     0.0873    0.0132
     6        0.8748             nan     0.0873    0.0111
     7        0.8550             nan     0.0873    0.0097
     8        0.8383             nan     0.0873    0.0083
     9        0.8235             nan     0.0873    0.0073
    10        0.8075             nan     0.0873    0.0078
    20        0.7163             nan     0.0873    0.0025
    40        0.6458             nan     0.0873    0.0010
    60        0.6179             nan     0.0873    0.0003
    80        0.6003             nan     0.0873   -0.0000
   100        0.5907             nan     0.0873    0.0002
   120        0.5848             nan     0.0873   -0.0000
   140        0.5781             nan     0.0873   -0.0000
   160        0.5731             nan     0.0873    0.0001
   180        0.5673             nan     0.0873   -0.0001
   200        0.5638             nan     0.0873   -0.0000
   220        0.5588             nan     0.0873   -0.0000
   240        0.5553             nan     0.0873   -0.0001
   260        0.5522             nan     0.0873   -0.0000
   280        0.5488             nan     0.0873   -0.0000
   300        0.5460             nan     0.0873   -0.0000
   320        0.5436             nan     0.0873   -0.0001
   340        0.5406             nan     0.0873   -0.0000
   360        0.5377             nan     0.0873   -0.0000
   380        0.5347             nan     0.0873   -0.0001
   400        0.5326             nan     0.0873   -0.0001
   420        0.5301             nan     0.0873   -0.0000
   440        0.5278             nan     0.0873   -0.0000
   442        0.5276             nan     0.0873   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0535             nan     0.0888    0.0237
     2        1.0152             nan     0.0888    0.0187
     3        0.9834             nan     0.0888    0.0160
     4        0.9515             nan     0.0888    0.0157
     5        0.9274             nan     0.0888    0.0117
     6        0.9035             nan     0.0888    0.0121
     7        0.8836             nan     0.0888    0.0096
     8        0.8691             nan     0.0888    0.0071
     9        0.8551             nan     0.0888    0.0070
    10        0.8405             nan     0.0888    0.0072
    20        0.7579             nan     0.0888    0.0023
    40        0.6806             nan     0.0888    0.0014
    60        0.6490             nan     0.0888    0.0002
    80        0.6323             nan     0.0888    0.0002
   100        0.6210             nan     0.0888    0.0001
   120        0.6135             nan     0.0888    0.0000
   140        0.6071             nan     0.0888    0.0000
   160        0.6024             nan     0.0888    0.0000
   180        0.5980             nan     0.0888    0.0000
   200        0.5945             nan     0.0888    0.0000
   220        0.5914             nan     0.0888    0.0001
   240        0.5888             nan     0.0888   -0.0000
   260        0.5865             nan     0.0888    0.0000
   280        0.5844             nan     0.0888   -0.0000
   300        0.5828             nan     0.0888   -0.0000
   320        0.5810             nan     0.0888    0.0000
   340        0.5791             nan     0.0888   -0.0000
   346        0.5785             nan     0.0888   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0391             nan     0.0896    0.0302
     2        0.9913             nan     0.0896    0.0233
     3        0.9530             nan     0.0896    0.0188
     4        0.9208             nan     0.0896    0.0159
     5        0.8948             nan     0.0896    0.0134
     6        0.8713             nan     0.0896    0.0115
     7        0.8514             nan     0.0896    0.0101
     8        0.8348             nan     0.0896    0.0084
     9        0.8185             nan     0.0896    0.0082
    10        0.8057             nan     0.0896    0.0065
    20        0.7107             nan     0.0896    0.0032
    40        0.6427             nan     0.0896    0.0010
    60        0.6149             nan     0.0896    0.0003
    80        0.6000             nan     0.0896    0.0001
   100        0.5904             nan     0.0896    0.0001
   120        0.5828             nan     0.0896   -0.0000
   140        0.5761             nan     0.0896    0.0000
   160        0.5716             nan     0.0896    0.0001
   180        0.5668             nan     0.0896   -0.0000
   200        0.5637             nan     0.0896   -0.0000
   220        0.5601             nan     0.0896    0.0003
   240        0.5566             nan     0.0896   -0.0001
   256        0.5546             nan     0.0896   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0393             nan     0.0902    0.0311
     2        0.9929             nan     0.0902    0.0238
     3        0.9533             nan     0.0902    0.0197
     4        0.9207             nan     0.0902    0.0163
     5        0.8929             nan     0.0902    0.0137
     6        0.8695             nan     0.0902    0.0114
     7        0.8500             nan     0.0902    0.0099
     8        0.8335             nan     0.0902    0.0081
     9        0.8190             nan     0.0902    0.0070
    10        0.8034             nan     0.0902    0.0079
    20        0.7092             nan     0.0902    0.0036
    40        0.6426             nan     0.0902    0.0007
    60        0.6190             nan     0.0902    0.0005
    80        0.6057             nan     0.0902    0.0001
   100        0.5971             nan     0.0902   -0.0000
   120        0.5909             nan     0.0902   -0.0000
   140        0.5852             nan     0.0902   -0.0000
   160        0.5806             nan     0.0902   -0.0001
   180        0.5771             nan     0.0902   -0.0001
   200        0.5736             nan     0.0902   -0.0000
   220        0.5704             nan     0.0902   -0.0001
   240        0.5677             nan     0.0902   -0.0001
   260        0.5644             nan     0.0902    0.0000
   280        0.5620             nan     0.0902   -0.0001
   300        0.5602             nan     0.0902   -0.0001
   320        0.5581             nan     0.0902   -0.0001
   340        0.5559             nan     0.0902    0.0001
   360        0.5535             nan     0.0902    0.0000
   380        0.5516             nan     0.0902   -0.0001
   400        0.5488             nan     0.0902   -0.0001
   420        0.5469             nan     0.0902    0.0000
   440        0.5453             nan     0.0902   -0.0001
   460        0.5437             nan     0.0902   -0.0000
   480        0.5426             nan     0.0902   -0.0001
   500        0.5410             nan     0.0902   -0.0001
   520        0.5398             nan     0.0902   -0.0001
   540        0.5386             nan     0.0902   -0.0001
   560        0.5372             nan     0.0902   -0.0001
   580        0.5362             nan     0.0902   -0.0001
   600        0.5346             nan     0.0902   -0.0001
   620        0.5337             nan     0.0902   -0.0001
   640        0.5327             nan     0.0902   -0.0001
   648        0.5325             nan     0.0902   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0409             nan     0.0960    0.0293
     2        0.9956             nan     0.0960    0.0225
     3        0.9556             nan     0.0960    0.0196
     4        0.9244             nan     0.0960    0.0152
     5        0.8945             nan     0.0960    0.0150
     6        0.8728             nan     0.0960    0.0107
     7        0.8532             nan     0.0960    0.0098
     8        0.8341             nan     0.0960    0.0092
     9        0.8173             nan     0.0960    0.0085
    10        0.8022             nan     0.0960    0.0074
    20        0.7174             nan     0.0960    0.0025
    40        0.6510             nan     0.0960    0.0009
    60        0.6244             nan     0.0960    0.0002
    80        0.6093             nan     0.0960    0.0001
   100        0.5997             nan     0.0960   -0.0001
   120        0.5924             nan     0.0960    0.0000
   140        0.5858             nan     0.0960    0.0000
   160        0.5817             nan     0.0960    0.0000
   180        0.5769             nan     0.0960   -0.0000
   200        0.5728             nan     0.0960   -0.0001
   220        0.5700             nan     0.0960    0.0000
   240        0.5672             nan     0.0960   -0.0001
   260        0.5638             nan     0.0960   -0.0001
   280        0.5605             nan     0.0960   -0.0001
   300        0.5586             nan     0.0960   -0.0001
   320        0.5563             nan     0.0960   -0.0000
   340        0.5543             nan     0.0960   -0.0000
   360        0.5522             nan     0.0960   -0.0001
   380        0.5505             nan     0.0960   -0.0000
   400        0.5488             nan     0.0960   -0.0001
   420        0.5462             nan     0.0960   -0.0000
   440        0.5439             nan     0.0960   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0630             nan     0.0965    0.0185
     2        1.0331             nan     0.0965    0.0150
     3        1.0088             nan     0.0965    0.0122
     4        0.9876             nan     0.0965    0.0108
     5        0.9670             nan     0.0965    0.0098
     6        0.9521             nan     0.0965    0.0076
     7        0.9359             nan     0.0965    0.0079
     8        0.9246             nan     0.0965    0.0054
     9        0.9093             nan     0.0965    0.0077
    10        0.8972             nan     0.0965    0.0060
    20        0.8140             nan     0.0965    0.0034
    40        0.7345             nan     0.0965    0.0018
    60        0.6934             nan     0.0965    0.0007
    80        0.6676             nan     0.0965    0.0005
   100        0.6530             nan     0.0965    0.0003
   120        0.6424             nan     0.0965    0.0001
   140        0.6347             nan     0.0965    0.0001
   160        0.6285             nan     0.0965    0.0001
   180        0.6234             nan     0.0965   -0.0000
   200        0.6191             nan     0.0965    0.0002
   220        0.6156             nan     0.0965    0.0000
   240        0.6125             nan     0.0965    0.0000
   260        0.6101             nan     0.0965    0.0000
   280        0.6074             nan     0.0965   -0.0000
   300        0.6052             nan     0.0965    0.0000
   320        0.6030             nan     0.0965   -0.0000
   340        0.6017             nan     0.0965   -0.0000
   360        0.6000             nan     0.0965   -0.0000
   380        0.5985             nan     0.0965   -0.0000
   400        0.5972             nan     0.0965    0.0000
   420        0.5959             nan     0.0965   -0.0000
   440        0.5947             nan     0.0965   -0.0001
   460        0.5939             nan     0.0965   -0.0000
   480        0.5931             nan     0.0965   -0.0000
   500        0.5920             nan     0.0965    0.0000
   520        0.5911             nan     0.0965   -0.0000
   540        0.5902             nan     0.0965   -0.0000
   560        0.5896             nan     0.0965   -0.0000
   580        0.5891             nan     0.0965   -0.0000
   600        0.5885             nan     0.0965   -0.0000
   620        0.5878             nan     0.0965   -0.0000
   640        0.5872             nan     0.0965   -0.0001
   660        0.5866             nan     0.0965   -0.0000
   680        0.5863             nan     0.0965   -0.0000
   700        0.5857             nan     0.0965   -0.0000
   720        0.5851             nan     0.0965   -0.0000
   740        0.5846             nan     0.0965   -0.0001
   759        0.5840             nan     0.0965   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0409             nan     0.0983    0.0299
     2        0.9933             nan     0.0983    0.0234
     3        0.9526             nan     0.0983    0.0199
     4        0.9208             nan     0.0983    0.0157
     5        0.8937             nan     0.0983    0.0134
     6        0.8685             nan     0.0983    0.0126
     7        0.8467             nan     0.0983    0.0108
     8        0.8307             nan     0.0983    0.0079
     9        0.8148             nan     0.0983    0.0080
    10        0.8021             nan     0.0983    0.0063
    20        0.7197             nan     0.0983    0.0023
    40        0.6517             nan     0.0983    0.0008
    60        0.6253             nan     0.0983    0.0002
    80        0.6103             nan     0.0983    0.0001
   100        0.6006             nan     0.0983    0.0000
   120        0.5927             nan     0.0983    0.0000
   140        0.5875             nan     0.0983    0.0000
   160        0.5834             nan     0.0983   -0.0001
   180        0.5791             nan     0.0983    0.0000
   200        0.5752             nan     0.0983   -0.0000
   220        0.5717             nan     0.0983   -0.0001
   240        0.5679             nan     0.0983    0.0003
   260        0.5653             nan     0.0983    0.0001
   280        0.5623             nan     0.0983   -0.0001
   300        0.5592             nan     0.0983   -0.0001
   320        0.5571             nan     0.0983    0.0000
   336        0.5555             nan     0.0983   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0625             nan     0.1014    0.0194
     2        1.0318             nan     0.1014    0.0156
     3        1.0058             nan     0.1014    0.0127
     4        0.9838             nan     0.1014    0.0107
     5        0.9675             nan     0.1014    0.0084
     6        0.9474             nan     0.1014    0.0098
     7        0.9358             nan     0.1014    0.0058
     8        0.9196             nan     0.1014    0.0080
     9        0.9036             nan     0.1014    0.0077
    10        0.8905             nan     0.1014    0.0064
    20        0.8098             nan     0.1014    0.0025
    40        0.7282             nan     0.1014    0.0010
    60        0.6877             nan     0.1014    0.0008
    80        0.6649             nan     0.1014    0.0003
   100        0.6482             nan     0.1014    0.0003
   120        0.6385             nan     0.1014    0.0001
   140        0.6318             nan     0.1014   -0.0000
   160        0.6258             nan     0.1014    0.0000
   180        0.6219             nan     0.1014   -0.0000
   200        0.6178             nan     0.1014    0.0002
   220        0.6146             nan     0.1014    0.0000
   240        0.6120             nan     0.1014   -0.0000
   260        0.6094             nan     0.1014    0.0000
   280        0.6073             nan     0.1014   -0.0000
   300        0.6055             nan     0.1014   -0.0000
   320        0.6041             nan     0.1014    0.0000
   340        0.6025             nan     0.1014   -0.0000
   360        0.6012             nan     0.1014    0.0000
   380        0.6002             nan     0.1014   -0.0000
   400        0.5992             nan     0.1014    0.0000
   420        0.5983             nan     0.1014   -0.0000
   440        0.5973             nan     0.1014    0.0000
   460        0.5966             nan     0.1014   -0.0000
   480        0.5957             nan     0.1014   -0.0001
   500        0.5948             nan     0.1014   -0.0000
   520        0.5938             nan     0.1014   -0.0001
   540        0.5932             nan     0.1014   -0.0000
   560        0.5927             nan     0.1014   -0.0000
   580        0.5922             nan     0.1014   -0.0000
   600        0.5917             nan     0.1014   -0.0000
   620        0.5909             nan     0.1014   -0.0000
   640        0.5904             nan     0.1014   -0.0000
   660        0.5900             nan     0.1014    0.0000
   680        0.5894             nan     0.1014   -0.0000
   700        0.5890             nan     0.1014   -0.0000
   720        0.5886             nan     0.1014   -0.0000
   740        0.5882             nan     0.1014   -0.0000
   760        0.5880             nan     0.1014   -0.0000
   780        0.5875             nan     0.1014   -0.0000
   800        0.5872             nan     0.1014   -0.0001
   820        0.5867             nan     0.1014   -0.0000
   840        0.5864             nan     0.1014   -0.0000
   860        0.5862             nan     0.1014   -0.0001
   880        0.5858             nan     0.1014   -0.0000
   896        0.5856             nan     0.1014   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0386             nan     0.1018    0.0310
     2        0.9918             nan     0.1018    0.0237
     3        0.9527             nan     0.1018    0.0196
     4        0.9196             nan     0.1018    0.0162
     5        0.8909             nan     0.1018    0.0141
     6        0.8690             nan     0.1018    0.0112
     7        0.8464             nan     0.1018    0.0111
     8        0.8278             nan     0.1018    0.0091
     9        0.8108             nan     0.1018    0.0081
    10        0.7971             nan     0.1018    0.0066
    20        0.7118             nan     0.1018    0.0029
    40        0.6472             nan     0.1018    0.0009
    60        0.6218             nan     0.1018    0.0002
    80        0.6086             nan     0.1018    0.0000
   100        0.5983             nan     0.1018    0.0003
   120        0.5923             nan     0.1018    0.0001
   140        0.5869             nan     0.1018    0.0001
   160        0.5826             nan     0.1018   -0.0000
   180        0.5790             nan     0.1018   -0.0000
   200        0.5755             nan     0.1018   -0.0000
   220        0.5717             nan     0.1018   -0.0001
   240        0.5688             nan     0.1018   -0.0000
   260        0.5666             nan     0.1018   -0.0000
   280        0.5644             nan     0.1018   -0.0001
   300        0.5622             nan     0.1018   -0.0000
   302        0.5620             nan     0.1018   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0457             nan     0.1024    0.0273
     2        1.0048             nan     0.1024    0.0206
     3        0.9700             nan     0.1024    0.0176
     4        0.9359             nan     0.1024    0.0172
     5        0.9077             nan     0.1024    0.0137
     6        0.8845             nan     0.1024    0.0113
     7        0.8676             nan     0.1024    0.0080
     8        0.8503             nan     0.1024    0.0085
     9        0.8380             nan     0.1024    0.0060
    10        0.8247             nan     0.1024    0.0065
    20        0.7415             nan     0.1024    0.0030
    40        0.6701             nan     0.1024    0.0010
    60        0.6424             nan     0.1024    0.0002
    80        0.6258             nan     0.1024    0.0001
   100        0.6155             nan     0.1024    0.0000
   120        0.6090             nan     0.1024    0.0001
   140        0.6021             nan     0.1024    0.0001
   160        0.5972             nan     0.1024    0.0001
   180        0.5933             nan     0.1024   -0.0000
   200        0.5891             nan     0.1024    0.0001
   220        0.5862             nan     0.1024   -0.0001
   240        0.5831             nan     0.1024    0.0000
   260        0.5805             nan     0.1024   -0.0000
   280        0.5781             nan     0.1024    0.0000
   300        0.5753             nan     0.1024    0.0002
   320        0.5731             nan     0.1024   -0.0000
   340        0.5716             nan     0.1024   -0.0000
   360        0.5698             nan     0.1024   -0.0000
   380        0.5679             nan     0.1024   -0.0001
   400        0.5666             nan     0.1024   -0.0000
   420        0.5647             nan     0.1024   -0.0000
   440        0.5629             nan     0.1024   -0.0000
   460        0.5618             nan     0.1024    0.0000
   480        0.5608             nan     0.1024   -0.0000
   500        0.5590             nan     0.1024    0.0002
   520        0.5577             nan     0.1024   -0.0000
   540        0.5567             nan     0.1024   -0.0001
   560        0.5554             nan     0.1024   -0.0001
   580        0.5546             nan     0.1024   -0.0001
   600        0.5535             nan     0.1024   -0.0000
   620        0.5526             nan     0.1024   -0.0000
   640        0.5513             nan     0.1024    0.0001
   660        0.5499             nan     0.1024   -0.0001
   680        0.5490             nan     0.1024   -0.0001
   700        0.5482             nan     0.1024   -0.0000
   720        0.5473             nan     0.1024   -0.0000
   740        0.5461             nan     0.1024   -0.0001
   760        0.5453             nan     0.1024   -0.0000
   780        0.5445             nan     0.1024   -0.0001
   800        0.5439             nan     0.1024   -0.0001
   820        0.5430             nan     0.1024   -0.0001
   840        0.5420             nan     0.1024   -0.0000
   851        0.5417             nan     0.1024   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0378             nan     0.1035    0.0310
     2        0.9872             nan     0.1035    0.0249
     3        0.9478             nan     0.1035    0.0192
     4        0.9162             nan     0.1035    0.0154
     5        0.8878             nan     0.1035    0.0139
     6        0.8642             nan     0.1035    0.0116
     7        0.8449             nan     0.1035    0.0098
     8        0.8245             nan     0.1035    0.0099
     9        0.8101             nan     0.1035    0.0070
    10        0.7966             nan     0.1035    0.0066
    20        0.7107             nan     0.1035    0.0033
    40        0.6451             nan     0.1035    0.0009
    60        0.6211             nan     0.1035    0.0002
    80        0.6074             nan     0.1035    0.0002
   100        0.5965             nan     0.1035    0.0001
   120        0.5899             nan     0.1035    0.0002
   140        0.5844             nan     0.1035    0.0000
   160        0.5795             nan     0.1035   -0.0001
   180        0.5746             nan     0.1035    0.0001
   190        0.5729             nan     0.1035    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0375             nan     0.1036    0.0308
     2        0.9882             nan     0.1036    0.0240
     3        0.9469             nan     0.1036    0.0211
     4        0.9149             nan     0.1036    0.0163
     5        0.8875             nan     0.1036    0.0138
     6        0.8661             nan     0.1036    0.0107
     7        0.8436             nan     0.1036    0.0111
     8        0.8248             nan     0.1036    0.0095
     9        0.8083             nan     0.1036    0.0080
    10        0.7982             nan     0.1036    0.0049
    20        0.7151             nan     0.1036    0.0026
    40        0.6460             nan     0.1036    0.0011
    60        0.6212             nan     0.1036    0.0002
    80        0.6066             nan     0.1036    0.0003
   100        0.5968             nan     0.1036    0.0001
   120        0.5893             nan     0.1036    0.0001
   140        0.5843             nan     0.1036    0.0000
   160        0.5790             nan     0.1036    0.0000
   180        0.5751             nan     0.1036   -0.0000
   200        0.5717             nan     0.1036   -0.0001
   220        0.5689             nan     0.1036   -0.0000
   240        0.5666             nan     0.1036   -0.0001
   260        0.5638             nan     0.1036    0.0000
   280        0.5612             nan     0.1036    0.0002
   300        0.5584             nan     0.1036   -0.0000
   320        0.5559             nan     0.1036   -0.0001
   340        0.5541             nan     0.1036   -0.0000
   360        0.5525             nan     0.1036   -0.0001
   380        0.5506             nan     0.1036   -0.0001
   400        0.5488             nan     0.1036   -0.0001
   420        0.5473             nan     0.1036   -0.0001
   440        0.5453             nan     0.1036   -0.0001
   460        0.5441             nan     0.1036   -0.0000
   480        0.5430             nan     0.1036   -0.0001
   500        0.5418             nan     0.1036   -0.0000
   520        0.5404             nan     0.1036   -0.0001
   540        0.5383             nan     0.1036   -0.0001
   560        0.5366             nan     0.1036   -0.0001
   580        0.5354             nan     0.1036   -0.0000
   600        0.5339             nan     0.1036   -0.0001
   620        0.5328             nan     0.1036   -0.0001
   640        0.5320             nan     0.1036   -0.0001
   660        0.5312             nan     0.1036   -0.0001
   677        0.5302             nan     0.1036   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0280             nan     0.1079    0.0365
     2        0.9748             nan     0.1079    0.0265
     3        0.9321             nan     0.1079    0.0213
     4        0.8985             nan     0.1079    0.0169
     5        0.8711             nan     0.1079    0.0139
     6        0.8463             nan     0.1079    0.0123
     7        0.8267             nan     0.1079    0.0100
     8        0.8072             nan     0.1079    0.0096
     9        0.7912             nan     0.1079    0.0077
    10        0.7759             nan     0.1079    0.0076
    20        0.6890             nan     0.1079    0.0027
    40        0.6310             nan     0.1079    0.0004
    60        0.6082             nan     0.1079    0.0002
    80        0.5946             nan     0.1079    0.0001
   100        0.5858             nan     0.1079    0.0000
   120        0.5793             nan     0.1079    0.0000
   140        0.5738             nan     0.1079   -0.0001
   160        0.5687             nan     0.1079   -0.0000
   180        0.5644             nan     0.1079    0.0001
   200        0.5611             nan     0.1079   -0.0001
   220        0.5575             nan     0.1079   -0.0001
   240        0.5546             nan     0.1079   -0.0001
   260        0.5515             nan     0.1079    0.0002
   280        0.5489             nan     0.1079   -0.0001
   300        0.5460             nan     0.1079    0.0003
   320        0.5440             nan     0.1079   -0.0001
   340        0.5419             nan     0.1079   -0.0001
   360        0.5397             nan     0.1079   -0.0001
   380        0.5377             nan     0.1079   -0.0002
   400        0.5355             nan     0.1079   -0.0000
   419        0.5336             nan     0.1079   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0344             nan     0.1099    0.0332
     2        0.9847             nan     0.1099    0.0250
     3        0.9437             nan     0.1099    0.0211
     4        0.9096             nan     0.1099    0.0169
     5        0.8781             nan     0.1099    0.0158
     6        0.8562             nan     0.1099    0.0110
     7        0.8370             nan     0.1099    0.0094
     8        0.8177             nan     0.1099    0.0098
     9        0.8035             nan     0.1099    0.0069
    10        0.7885             nan     0.1099    0.0075
    20        0.7051             nan     0.1099    0.0033
    40        0.6433             nan     0.1099    0.0004
    60        0.6172             nan     0.1099    0.0007

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0317             nan     0.1114    0.0335
     2        0.9787             nan     0.1114    0.0264
     3        0.9383             nan     0.1114    0.0199
     4        0.9051             nan     0.1114    0.0164
     5        0.8755             nan     0.1114    0.0151
     6        0.8504             nan     0.1114    0.0127
     7        0.8319             nan     0.1114    0.0092
     8        0.8117             nan     0.1114    0.0098
     9        0.7955             nan     0.1114    0.0079
    10        0.7829             nan     0.1114    0.0061
    20        0.7036             nan     0.1114    0.0022
    40        0.6410             nan     0.1114    0.0009
    60        0.6192             nan     0.1114    0.0003
    80        0.6074             nan     0.1114    0.0004
   100        0.5994             nan     0.1114    0.0002
   120        0.5930             nan     0.1114   -0.0000
   140        0.5881             nan     0.1114    0.0001
   160        0.5842             nan     0.1114   -0.0000
   180        0.5797             nan     0.1114    0.0002
   200        0.5763             nan     0.1114   -0.0001
   220        0.5737             nan     0.1114   -0.0001
   240        0.5713             nan     0.1114   -0.0000
   260        0.5682             nan     0.1114   -0.0001
   280        0.5665             nan     0.1114   -0.0001
   300        0.5645             nan     0.1114    0.0001
   320        0.5618             nan     0.1114   -0.0001
   340        0.5595             nan     0.1114    0.0002
   360        0.5582             nan     0.1114   -0.0000
   380        0.5562             nan     0.1114    0.0000
   400        0.5544             nan     0.1114   -0.0000
   420        0.5524             nan     0.1114   -0.0001
   440        0.5510             nan     0.1114   -0.0001
   460        0.5498             nan     0.1114   -0.0001
   480        0.5482             nan     0.1114   -0.0002
   500        0.5469             nan     0.1114   -0.0001
   520        0.5458             nan     0.1114   -0.0001
   540        0.5446             nan     0.1114   -0.0001
   560        0.5433             nan     0.1114   -0.0001
   580        0.5422             nan     0.1114   -0.0001
   600        0.5411             nan     0.1114   -0.0001
   620        0.5400             nan     0.1114   -0.0000
   640        0.5389             nan     0.1114   -0.0000
   660        0.5382             nan     0.1114   -0.0001
   680        0.5369             nan     0.1114    0.0000
   685        0.5366             nan     0.1114   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0579             nan     0.1122    0.0213
     2        1.0251             nan     0.1122    0.0167
     3        0.9993             nan     0.1122    0.0125
     4        0.9736             nan     0.1122    0.0129
     5        0.9573             nan     0.1122    0.0081
     6        0.9371             nan     0.1122    0.0101
     7        0.9186             nan     0.1122    0.0090
     8        0.9021             nan     0.1122    0.0080
     9        0.8915             nan     0.1122    0.0054
    10        0.8787             nan     0.1122    0.0065
    20        0.7966             nan     0.1122    0.0024
    40        0.7188             nan     0.1122    0.0010
    60        0.6805             nan     0.1122    0.0004
    80        0.6576             nan     0.1122    0.0006
   100        0.6434             nan     0.1122    0.0003
   120        0.6340             nan     0.1122    0.0002
   140        0.6273             nan     0.1122    0.0001
   160        0.6217             nan     0.1122    0.0000
   180        0.6175             nan     0.1122    0.0000
   200        0.6135             nan     0.1122   -0.0000
   220        0.6104             nan     0.1122    0.0000
   240        0.6073             nan     0.1122    0.0000
   260        0.6052             nan     0.1122   -0.0000
   280        0.6030             nan     0.1122   -0.0000
   300        0.6010             nan     0.1122    0.0000
   320        0.5992             nan     0.1122   -0.0000
   340        0.5976             nan     0.1122   -0.0000
   360        0.5965             nan     0.1122   -0.0001
   380        0.5951             nan     0.1122   -0.0000
   400        0.5940             nan     0.1122    0.0000
   420        0.5926             nan     0.1122    0.0000
   440        0.5919             nan     0.1122   -0.0000
   460        0.5910             nan     0.1122   -0.0000
   480        0.5899             nan     0.1122    0.0000
   500        0.5886             nan     0.1122   -0.0000
   520        0.5880             nan     0.1122   -0.0001
   540        0.5876             nan     0.1122   -0.0000
   560        0.5870             nan     0.1122   -0.0001
   580        0.5862             nan     0.1122   -0.0001
   600        0.5857             nan     0.1122   -0.0001
   615        0.5853             nan     0.1122   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0365             nan     0.1211    0.0316
     2        0.9889             nan     0.1211    0.0243
     3        0.9517             nan     0.1211    0.0183
     4        0.9151             nan     0.1211    0.0187
     5        0.8862             nan     0.1211    0.0144
     6        0.8650             nan     0.1211    0.0105
     7        0.8458             nan     0.1211    0.0097
     8        0.8312             nan     0.1211    0.0074
     9        0.8166             nan     0.1211    0.0072
    10        0.8017             nan     0.1211    0.0072
    20        0.7213             nan     0.1211    0.0030
    40        0.6576             nan     0.1211    0.0011
    60        0.6329             nan     0.1211    0.0002
    80        0.6196             nan     0.1211    0.0002
   100        0.6104             nan     0.1211    0.0004
   120        0.6032             nan     0.1211   -0.0000
   140        0.5981             nan     0.1211    0.0002
   160        0.5938             nan     0.1211    0.0001
   180        0.5897             nan     0.1211   -0.0001
   200        0.5869             nan     0.1211   -0.0000
   220        0.5841             nan     0.1211   -0.0000
   240        0.5817             nan     0.1211   -0.0001
   260        0.5795             nan     0.1211   -0.0001
   280        0.5774             nan     0.1211   -0.0000
   300        0.5754             nan     0.1211   -0.0000
   320        0.5738             nan     0.1211   -0.0001
   340        0.5725             nan     0.1211    0.0000
   360        0.5708             nan     0.1211   -0.0000
   380        0.5691             nan     0.1211    0.0000
   400        0.5677             nan     0.1211   -0.0001
   420        0.5663             nan     0.1211   -0.0001
   440        0.5651             nan     0.1211   -0.0000
   460        0.5631             nan     0.1211   -0.0000
   480        0.5620             nan     0.1211   -0.0001
   500        0.5612             nan     0.1211   -0.0000
   520        0.5598             nan     0.1211   -0.0001
   540        0.5587             nan     0.1211   -0.0000
   560        0.5578             nan     0.1211   -0.0002
   580        0.5567             nan     0.1211   -0.0001
   600        0.5557             nan     0.1211   -0.0000
   620        0.5549             nan     0.1211   -0.0001
   640        0.5540             nan     0.1211   -0.0000
   660        0.5529             nan     0.1211   -0.0001
   680        0.5522             nan     0.1211   -0.0001
   700        0.5512             nan     0.1211   -0.0000
   720        0.5507             nan     0.1211   -0.0001
   740        0.5499             nan     0.1211   -0.0001
   760        0.5492             nan     0.1211   -0.0001
   780        0.5484             nan     0.1211   -0.0001
   800        0.5479             nan     0.1211   -0.0001
   820        0.5471             nan     0.1211   -0.0001
   840        0.5466             nan     0.1211   -0.0000
   848        0.5464             nan     0.1211   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0119             nan     0.1273    0.0444
     2        0.9516             nan     0.1273    0.0305
     3        0.9050             nan     0.1273    0.0232
     4        0.8696             nan     0.1273    0.0177
     5        0.8396             nan     0.1273    0.0153
     6        0.8162             nan     0.1273    0.0114
     7        0.7955             nan     0.1273    0.0101
     8        0.7773             nan     0.1273    0.0089
     9        0.7605             nan     0.1273    0.0080
    10        0.7444             nan     0.1273    0.0080
    20        0.6601             nan     0.1273    0.0018
    40        0.6110             nan     0.1273    0.0009
    60        0.5914             nan     0.1273    0.0005
    80        0.5799             nan     0.1273   -0.0000
   100        0.5723             nan     0.1273    0.0000
   120        0.5656             nan     0.1273   -0.0000
   140        0.5607             nan     0.1273   -0.0000
   160        0.5563             nan     0.1273   -0.0001
   180        0.5524             nan     0.1273   -0.0000
   200        0.5492             nan     0.1273   -0.0001
   220        0.5458             nan     0.1273   -0.0001
   240        0.5421             nan     0.1273   -0.0001
   260        0.5396             nan     0.1273   -0.0001
   280        0.5360             nan     0.1273   -0.0002
   300        0.5332             nan     0.1273   -0.0001
   320        0.5309             nan     0.1273   -0.0002
   340        0.5281             nan     0.1273   -0.0001
   360        0.5259             nan     0.1273   -0.0001
   380        0.5235             nan     0.1273   -0.0001
   400        0.5211             nan     0.1273   -0.0000
   420        0.5193             nan     0.1273   -0.0001
   440        0.5174             nan     0.1273   -0.0002
   460        0.5155             nan     0.1273    0.0000
   480        0.5131             nan     0.1273   -0.0001
   500        0.5112             nan     0.1273   -0.0002
   520        0.5097             nan     0.1273   -0.0001
   540        0.5083             nan     0.1273   -0.0001
   560        0.5066             nan     0.1273   -0.0001
   580        0.5041             nan     0.1273   -0.0001
   600        0.5028             nan     0.1273   -0.0001
   620        0.5010             nan     0.1273   -0.0002
   638        0.4994             nan     0.1273   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0240             nan     0.1282    0.0378
     2        0.9687             nan     0.1282    0.0274
     3        0.9228             nan     0.1282    0.0237
     4        0.8886             nan     0.1282    0.0173
     5        0.8593             nan     0.1282    0.0144
     6        0.8336             nan     0.1282    0.0131
     7        0.8168             nan     0.1282    0.0083
     8        0.7996             nan     0.1282    0.0088
     9        0.7850             nan     0.1282    0.0071
    10        0.7709             nan     0.1282    0.0069
    20        0.6890             nan     0.1282    0.0028
    40        0.6322             nan     0.1282    0.0005
    60        0.6103             nan     0.1282    0.0005
    80        0.5977             nan     0.1282    0.0003
   100        0.5901             nan     0.1282   -0.0001
   120        0.5834             nan     0.1282   -0.0000
   140        0.5784             nan     0.1282   -0.0001
   156        0.5762             nan     0.1282   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0139             nan     0.1284    0.0426
     2        0.9550             nan     0.1284    0.0298
     3        0.9107             nan     0.1284    0.0217
     4        0.8736             nan     0.1284    0.0182
     5        0.8435             nan     0.1284    0.0145
     6        0.8198             nan     0.1284    0.0118
     7        0.7977             nan     0.1284    0.0108
     8        0.7818             nan     0.1284    0.0079
     9        0.7646             nan     0.1284    0.0085
    10        0.7527             nan     0.1284    0.0057
    20        0.6708             nan     0.1284    0.0026
    40        0.6206             nan     0.1284    0.0004
    60        0.6019             nan     0.1284    0.0003
    80        0.5903             nan     0.1284    0.0002
   100        0.5821             nan     0.1284   -0.0000
   120        0.5751             nan     0.1284    0.0000
   140        0.5699             nan     0.1284    0.0000
   160        0.5657             nan     0.1284   -0.0001
   180        0.5614             nan     0.1284    0.0000
   200        0.5587             nan     0.1284   -0.0000
   220        0.5554             nan     0.1284    0.0000
   240        0.5525             nan     0.1284   -0.0001
   260        0.5494             nan     0.1284   -0.0001
   280        0.5471             nan     0.1284   -0.0001
   300        0.5445             nan     0.1284   -0.0001
   320        0.5411             nan     0.1284    0.0001
   340        0.5394             nan     0.1284   -0.0000
   360        0.5377             nan     0.1284   -0.0001
   380        0.5361             nan     0.1284   -0.0001
   400        0.5344             nan     0.1284   -0.0001
   420        0.5323             nan     0.1284   -0.0001
   440        0.5308             nan     0.1284   -0.0002
   460        0.5294             nan     0.1284   -0.0001
   480        0.5277             nan     0.1284   -0.0001
   500        0.5259             nan     0.1284   -0.0001
   520        0.5243             nan     0.1284   -0.0002
   540        0.5230             nan     0.1284   -0.0002
   560        0.5210             nan     0.1284   -0.0001
   580        0.5195             nan     0.1284   -0.0001
   600        0.5180             nan     0.1284   -0.0001
   620        0.5168             nan     0.1284   -0.0001
   640        0.5157             nan     0.1284   -0.0001
   660        0.5147             nan     0.1284   -0.0001
   680        0.5135             nan     0.1284   -0.0001
   700        0.5123             nan     0.1284   -0.0001
   720        0.5113             nan     0.1284   -0.0001
   740        0.5104             nan     0.1284   -0.0001
   746        0.5099             nan     0.1284   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0099             nan     0.1297    0.0453
     2        0.9479             nan     0.1297    0.0304
     3        0.9000             nan     0.1297    0.0237
     4        0.8635             nan     0.1297    0.0177
     5        0.8335             nan     0.1297    0.0145
     6        0.8097             nan     0.1297    0.0119
     7        0.7888             nan     0.1297    0.0101
     8        0.7699             nan     0.1297    0.0092
     9        0.7527             nan     0.1297    0.0082
    10        0.7384             nan     0.1297    0.0070
    20        0.6583             nan     0.1297    0.0027
    40        0.6077             nan     0.1297    0.0004
    60        0.5852             nan     0.1297    0.0001
    80        0.5746             nan     0.1297   -0.0001
   100        0.5658             nan     0.1297    0.0001
   120        0.5580             nan     0.1297    0.0000
   140        0.5528             nan     0.1297   -0.0001
   160        0.5474             nan     0.1297   -0.0001
   180        0.5432             nan     0.1297   -0.0001
   200        0.5394             nan     0.1297   -0.0002
   220        0.5356             nan     0.1297   -0.0001
   240        0.5320             nan     0.1297   -0.0000
   260        0.5293             nan     0.1297   -0.0001
   280        0.5263             nan     0.1297   -0.0001
   300        0.5232             nan     0.1297   -0.0002
   320        0.5200             nan     0.1297   -0.0001
   340        0.5175             nan     0.1297   -0.0001
   360        0.5150             nan     0.1297   -0.0001
   380        0.5124             nan     0.1297   -0.0002
   400        0.5102             nan     0.1297   -0.0000
   420        0.5081             nan     0.1297   -0.0001
   440        0.5053             nan     0.1297   -0.0002
   460        0.5033             nan     0.1297   -0.0002
   480        0.5007             nan     0.1297   -0.0002
   500        0.4983             nan     0.1297   -0.0002
   509        0.4975             nan     0.1297   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0316             nan     0.1319    0.0346
     2        0.9814             nan     0.1319    0.0251
     3        0.9426             nan     0.1319    0.0194
     4        0.9050             nan     0.1319    0.0190
     5        0.8748             nan     0.1319    0.0148
     6        0.8551             nan     0.1319    0.0098
     7        0.8343             nan     0.1319    0.0102
     8        0.8179             nan     0.1319    0.0080
     9        0.8057             nan     0.1319    0.0060
    10        0.7924             nan     0.1319    0.0065
    20        0.7126             nan     0.1319    0.0020
    40        0.6496             nan     0.1319    0.0007
    60        0.6270             nan     0.1319    0.0006
    80        0.6152             nan     0.1319    0.0000
   100        0.6081             nan     0.1319   -0.0001
   120        0.6016             nan     0.1319   -0.0001
   140        0.5956             nan     0.1319   -0.0000
   160        0.5922             nan     0.1319   -0.0000
   180        0.5894             nan     0.1319   -0.0000
   200        0.5866             nan     0.1319    0.0001
   220        0.5841             nan     0.1319   -0.0000
   240        0.5814             nan     0.1319   -0.0001
   260        0.5793             nan     0.1319    0.0000
   280        0.5777             nan     0.1319   -0.0000
   300        0.5756             nan     0.1319   -0.0001
   320        0.5739             nan     0.1319    0.0000
   340        0.5721             nan     0.1319   -0.0001
   360        0.5702             nan     0.1319    0.0001
   380        0.5684             nan     0.1319   -0.0001
   400        0.5668             nan     0.1319   -0.0000
   420        0.5650             nan     0.1319   -0.0001
   440        0.5636             nan     0.1319   -0.0000
   460        0.5623             nan     0.1319   -0.0001
   480        0.5611             nan     0.1319   -0.0001
   500        0.5602             nan     0.1319   -0.0000
   520        0.5589             nan     0.1319   -0.0001
   540        0.5582             nan     0.1319   -0.0000
   560        0.5572             nan     0.1319   -0.0000
   580        0.5563             nan     0.1319   -0.0001
   600        0.5552             nan     0.1319   -0.0000
   620        0.5547             nan     0.1319   -0.0001
   640        0.5537             nan     0.1319   -0.0001
   660        0.5529             nan     0.1319   -0.0001
   680        0.5520             nan     0.1319   -0.0001
   700        0.5509             nan     0.1319    0.0000
   720        0.5502             nan     0.1319   -0.0001
   740        0.5495             nan     0.1319   -0.0001
   760        0.5488             nan     0.1319   -0.0001
   780        0.5480             nan     0.1319   -0.0001
   797        0.5476             nan     0.1319   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0303             nan     0.1323    0.0338
     2        0.9816             nan     0.1323    0.0242
     3        0.9331             nan     0.1323    0.0247
     4        0.8976             nan     0.1323    0.0183
     5        0.8718             nan     0.1323    0.0123
     6        0.8503             nan     0.1323    0.0109
     7        0.8322             nan     0.1323    0.0086
     8        0.8136             nan     0.1323    0.0093
     9        0.7999             nan     0.1323    0.0070
    10        0.7891             nan     0.1323    0.0053
    20        0.7081             nan     0.1323    0.0029
    40        0.6501             nan     0.1323    0.0007
    60        0.6285             nan     0.1323    0.0003
    80        0.6143             nan     0.1323    0.0001
   100        0.6055             nan     0.1323   -0.0000
   120        0.5995             nan     0.1323    0.0000
   140        0.5937             nan     0.1323    0.0000
   160        0.5902             nan     0.1323   -0.0001
   180        0.5856             nan     0.1323    0.0000
   200        0.5819             nan     0.1323    0.0001
   220        0.5789             nan     0.1323   -0.0000
   240        0.5760             nan     0.1323   -0.0000
   260        0.5733             nan     0.1323   -0.0001
   280        0.5709             nan     0.1323   -0.0001
   300        0.5683             nan     0.1323   -0.0001
   320        0.5655             nan     0.1323   -0.0001
   340        0.5634             nan     0.1323   -0.0001
   360        0.5614             nan     0.1323   -0.0001
   380        0.5597             nan     0.1323   -0.0000
   400        0.5575             nan     0.1323   -0.0001
   420        0.5558             nan     0.1323   -0.0001
   440        0.5546             nan     0.1323   -0.0001
   460        0.5535             nan     0.1323   -0.0000
   480        0.5511             nan     0.1323    0.0001
   500        0.5500             nan     0.1323   -0.0001
   520        0.5487             nan     0.1323   -0.0001
   540        0.5476             nan     0.1323   -0.0001
   560        0.5462             nan     0.1323   -0.0000
   580        0.5453             nan     0.1323   -0.0001
   600        0.5441             nan     0.1323   -0.0001
   620        0.5430             nan     0.1323   -0.0001
   640        0.5417             nan     0.1323   -0.0001
   660        0.5403             nan     0.1323   -0.0001
   680        0.5393             nan     0.1323   -0.0001
   700        0.5380             nan     0.1323   -0.0001
   720        0.5369             nan     0.1323   -0.0001
   740        0.5358             nan     0.1323   -0.0001
   760        0.5348             nan     0.1323    0.0001
   780        0.5341             nan     0.1323    0.0000
   800        0.5332             nan     0.1323   -0.0000
   820        0.5324             nan     0.1323   -0.0001
   840        0.5316             nan     0.1323   -0.0001
   860        0.5309             nan     0.1323   -0.0001
   880        0.5301             nan     0.1323   -0.0001
   900        0.5293             nan     0.1323   -0.0001
   920        0.5286             nan     0.1323   -0.0001
   940        0.5278             nan     0.1323   -0.0001
   960        0.5270             nan     0.1323   -0.0001
   980        0.5261             nan     0.1323   -0.0001
   981        0.5258             nan     0.1323    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0297             nan     0.1371    0.0354
     2        0.9772             nan     0.1371    0.0254
     3        0.9385             nan     0.1371    0.0198
     4        0.8998             nan     0.1371    0.0190
     5        0.8712             nan     0.1371    0.0145
     6        0.8508             nan     0.1371    0.0104
     7        0.8298             nan     0.1371    0.0104
     8        0.8157             nan     0.1371    0.0068
     9        0.8020             nan     0.1371    0.0067
    10        0.7891             nan     0.1371    0.0061
    20        0.7063             nan     0.1371    0.0025
    40        0.6464             nan     0.1371    0.0009
    60        0.6242             nan     0.1371    0.0005
    80        0.6112             nan     0.1371    0.0002
   100        0.6026             nan     0.1371    0.0001
   120        0.5961             nan     0.1371   -0.0000
   140        0.5914             nan     0.1371   -0.0000
   160        0.5879             nan     0.1371   -0.0000
   180        0.5845             nan     0.1371   -0.0001
   200        0.5817             nan     0.1371    0.0000
   220        0.5775             nan     0.1371   -0.0001
   240        0.5741             nan     0.1371    0.0000
   260        0.5717             nan     0.1371    0.0000
   280        0.5691             nan     0.1371    0.0000
   300        0.5669             nan     0.1371   -0.0000
   320        0.5653             nan     0.1371   -0.0000
   340        0.5624             nan     0.1371   -0.0001
   360        0.5611             nan     0.1371   -0.0000
   380        0.5588             nan     0.1371   -0.0000
   400        0.5572             nan     0.1371   -0.0001
   420        0.5556             nan     0.1371   -0.0001
   440        0.5543             nan     0.1371   -0.0000
   460        0.5529             nan     0.1371   -0.0001
   480        0.5515             nan     0.1371   -0.0000
   500        0.5496             nan     0.1371   -0.0001
   520        0.5484             nan     0.1371   -0.0001
   540        0.5475             nan     0.1371   -0.0000
   560        0.5460             nan     0.1371   -0.0001
   580        0.5452             nan     0.1371   -0.0001
   593        0.5443             nan     0.1371   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0090             nan     0.1425    0.0451
     2        0.9424             nan     0.1425    0.0330
     3        0.8951             nan     0.1425    0.0238
     4        0.8588             nan     0.1425    0.0178
     5        0.8314             nan     0.1425    0.0136
     6        0.8062             nan     0.1425    0.0123
     7        0.7881             nan     0.1425    0.0092
     8        0.7698             nan     0.1425    0.0089
     9        0.7536             nan     0.1425    0.0075
    10        0.7374             nan     0.1425    0.0081
    20        0.6586             nan     0.1425    0.0020
    40        0.6125             nan     0.1425    0.0005
    60        0.5916             nan     0.1425    0.0000
    80        0.5790             nan     0.1425    0.0000
   100        0.5708             nan     0.1425    0.0000
   120        0.5651             nan     0.1425    0.0000
   140        0.5594             nan     0.1425   -0.0001
   160        0.5526             nan     0.1425   -0.0000
   180        0.5482             nan     0.1425    0.0003
   200        0.5444             nan     0.1425   -0.0001
   220        0.5412             nan     0.1425   -0.0002
   240        0.5372             nan     0.1425   -0.0001
   260        0.5338             nan     0.1425   -0.0001
   280        0.5315             nan     0.1425   -0.0002
   300        0.5272             nan     0.1425   -0.0001
   320        0.5245             nan     0.1425   -0.0001
   340        0.5221             nan     0.1425   -0.0001
   360        0.5193             nan     0.1425    0.0001
   380        0.5167             nan     0.1425   -0.0001
   400        0.5138             nan     0.1425   -0.0001
   420        0.5117             nan     0.1425   -0.0002
   440        0.5086             nan     0.1425   -0.0000
   460        0.5069             nan     0.1425   -0.0000
   480        0.5052             nan     0.1425   -0.0001
   500        0.5030             nan     0.1425   -0.0001
   520        0.5012             nan     0.1425   -0.0002
   540        0.4996             nan     0.1425   -0.0002
   560        0.4977             nan     0.1425   -0.0001
   580        0.4954             nan     0.1425   -0.0001
   600        0.4935             nan     0.1425   -0.0001
   620        0.4917             nan     0.1425   -0.0001
   640        0.4903             nan     0.1425   -0.0001
   660        0.4889             nan     0.1425   -0.0002
   680        0.4875             nan     0.1425   -0.0001
   700        0.4856             nan     0.1425   -0.0001
   720        0.4838             nan     0.1425   -0.0001
   740        0.4822             nan     0.1425   -0.0002
   760        0.4808             nan     0.1425   -0.0001
   780        0.4793             nan     0.1425   -0.0001
   800        0.4781             nan     0.1425   -0.0002
   820        0.4764             nan     0.1425   -0.0002
   831        0.4753             nan     0.1425   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0027             nan     0.1438    0.0504
     2        0.9371             nan     0.1438    0.0325
     3        0.8878             nan     0.1438    0.0248
     4        0.8496             nan     0.1438    0.0193
     5        0.8214             nan     0.1438    0.0142
     6        0.7965             nan     0.1438    0.0125
     7        0.7764             nan     0.1438    0.0096
     8        0.7568             nan     0.1438    0.0097
     9        0.7410             nan     0.1438    0.0075
    10        0.7258             nan     0.1438    0.0074
    20        0.6522             nan     0.1438    0.0021
    40        0.6042             nan     0.1438    0.0004
    60        0.5872             nan     0.1438    0.0000
    80        0.5771             nan     0.1438   -0.0001
   100        0.5699             nan     0.1438   -0.0001
   120        0.5638             nan     0.1438   -0.0000
   140        0.5587             nan     0.1438   -0.0001
   160        0.5541             nan     0.1438   -0.0000
   180        0.5503             nan     0.1438   -0.0000
   200        0.5473             nan     0.1438   -0.0001
   220        0.5435             nan     0.1438   -0.0002
   240        0.5396             nan     0.1438    0.0002
   259        0.5356             nan     0.1438   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0054             nan     0.1455    0.0476
     2        0.9411             nan     0.1455    0.0321
     3        0.8938             nan     0.1455    0.0235
     4        0.8578             nan     0.1455    0.0180
     5        0.8293             nan     0.1455    0.0141
     6        0.8057             nan     0.1455    0.0116
     7        0.7848             nan     0.1455    0.0102
     8        0.7680             nan     0.1455    0.0081
     9        0.7533             nan     0.1455    0.0069
    10        0.7400             nan     0.1455    0.0064
    20        0.6619             nan     0.1455    0.0022
    40        0.6127             nan     0.1455    0.0002
    60        0.5929             nan     0.1455   -0.0000
    80        0.5809             nan     0.1455    0.0000
   100        0.5714             nan     0.1455    0.0001
   108        0.5685             nan     0.1455    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0241             nan     0.1479    0.0378
     2        0.9698             nan     0.1479    0.0273
     3        0.9286             nan     0.1479    0.0200
     4        0.8888             nan     0.1479    0.0194
     5        0.8590             nan     0.1479    0.0146
     6        0.8394             nan     0.1479    0.0100
     7        0.8190             nan     0.1479    0.0101
     8        0.8059             nan     0.1479    0.0065
     9        0.7908             nan     0.1479    0.0077
    10        0.7783             nan     0.1479    0.0062
    20        0.6995             nan     0.1479    0.0017
    40        0.6428             nan     0.1479    0.0007
    60        0.6213             nan     0.1479    0.0003
    80        0.6093             nan     0.1479    0.0001
   100        0.6012             nan     0.1479    0.0003
   120        0.5940             nan     0.1479   -0.0001
   140        0.5894             nan     0.1479   -0.0001
   160        0.5852             nan     0.1479   -0.0000
   180        0.5814             nan     0.1479   -0.0001
   200        0.5780             nan     0.1479   -0.0002
   220        0.5753             nan     0.1479   -0.0000
   240        0.5728             nan     0.1479   -0.0001
   260        0.5696             nan     0.1479   -0.0000
   280        0.5671             nan     0.1479    0.0000
   300        0.5652             nan     0.1479    0.0000
   320        0.5631             nan     0.1479   -0.0001
   340        0.5603             nan     0.1479   -0.0000
   360        0.5576             nan     0.1479   -0.0001
   380        0.5563             nan     0.1479   -0.0001
   400        0.5545             nan     0.1479    0.0001
   420        0.5532             nan     0.1479   -0.0001
   440        0.5510             nan     0.1479   -0.0000
   460        0.5500             nan     0.1479   -0.0001
   480        0.5478             nan     0.1479   -0.0001
   500        0.5470             nan     0.1479   -0.0001
   520        0.5459             nan     0.1479   -0.0001
   540        0.5444             nan     0.1479   -0.0001
   560        0.5428             nan     0.1479   -0.0001
   580        0.5415             nan     0.1479   -0.0001
   600        0.5394             nan     0.1479   -0.0000
   620        0.5381             nan     0.1479   -0.0001
   640        0.5373             nan     0.1479   -0.0001
   660        0.5362             nan     0.1479   -0.0001
   680        0.5349             nan     0.1479   -0.0001
   700        0.5341             nan     0.1479   -0.0001
   720        0.5327             nan     0.1479   -0.0001
   740        0.5315             nan     0.1479    0.0000
   760        0.5306             nan     0.1479   -0.0001
   780        0.5298             nan     0.1479   -0.0001
   800        0.5289             nan     0.1479   -0.0001
   820        0.5271             nan     0.1479   -0.0001
   840        0.5265             nan     0.1479   -0.0000
   860        0.5253             nan     0.1479   -0.0002
   880        0.5244             nan     0.1479   -0.0001
   900        0.5237             nan     0.1479   -0.0000
   920        0.5229             nan     0.1479   -0.0001
   940        0.5219             nan     0.1479   -0.0000
   960        0.5212             nan     0.1479   -0.0001
   980        0.5206             nan     0.1479   -0.0001
   986        0.5205             nan     0.1479   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9980             nan     0.1486    0.0511
     2        0.9315             nan     0.1486    0.0339
     3        0.8830             nan     0.1486    0.0245
     4        0.8436             nan     0.1486    0.0189
     5        0.8144             nan     0.1486    0.0138
     6        0.7911             nan     0.1486    0.0115
     7        0.7673             nan     0.1486    0.0117
     8        0.7500             nan     0.1486    0.0080
     9        0.7342             nan     0.1486    0.0076
    10        0.7219             nan     0.1486    0.0059
    20        0.6476             nan     0.1486    0.0015
    40        0.6028             nan     0.1486    0.0003
    60        0.5832             nan     0.1486    0.0002
    80        0.5729             nan     0.1486   -0.0001
   100        0.5652             nan     0.1486   -0.0002
   120        0.5586             nan     0.1486    0.0004
   140        0.5540             nan     0.1486   -0.0000
   160        0.5501             nan     0.1486   -0.0001
   180        0.5451             nan     0.1486   -0.0002
   200        0.5416             nan     0.1486    0.0000
   220        0.5376             nan     0.1486   -0.0001
   240        0.5330             nan     0.1486   -0.0001
   260        0.5298             nan     0.1486   -0.0003
   280        0.5259             nan     0.1486   -0.0001
   300        0.5228             nan     0.1486   -0.0002
   320        0.5199             nan     0.1486   -0.0001
   340        0.5176             nan     0.1486   -0.0001
   360        0.5155             nan     0.1486   -0.0001
   380        0.5132             nan     0.1486   -0.0001
   400        0.5106             nan     0.1486   -0.0001
   420        0.5084             nan     0.1486    0.0001
   440        0.5056             nan     0.1486   -0.0002
   460        0.5033             nan     0.1486   -0.0001
   480        0.5016             nan     0.1486   -0.0001
   500        0.4994             nan     0.1486   -0.0002
   520        0.4967             nan     0.1486   -0.0002
   540        0.4951             nan     0.1486   -0.0003
   560        0.4932             nan     0.1486   -0.0002
   580        0.4913             nan     0.1486   -0.0002
   600        0.4891             nan     0.1486   -0.0002
   620        0.4875             nan     0.1486   -0.0002
   640        0.4854             nan     0.1486   -0.0002
   660        0.4833             nan     0.1486   -0.0001
   680        0.4820             nan     0.1486   -0.0001
   700        0.4804             nan     0.1486   -0.0002
   720        0.4789             nan     0.1486   -0.0002
   740        0.4770             nan     0.1486   -0.0002
   760        0.4758             nan     0.1486   -0.0001
   780        0.4742             nan     0.1486   -0.0002
   800        0.4725             nan     0.1486   -0.0002
   820        0.4710             nan     0.1486   -0.0002
   840        0.4692             nan     0.1486   -0.0002
   860        0.4677             nan     0.1486   -0.0001
   880        0.4665             nan     0.1486   -0.0001
   900        0.4650             nan     0.1486   -0.0002
   920        0.4637             nan     0.1486   -0.0001
   940        0.4624             nan     0.1486   -0.0001
   957        0.4609             nan     0.1486   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9993             nan     0.1502    0.0501
     2        0.9354             nan     0.1502    0.0318
     3        0.8885             nan     0.1502    0.0238
     4        0.8526             nan     0.1502    0.0176
     5        0.8228             nan     0.1502    0.0151
     6        0.8010             nan     0.1502    0.0107
     7        0.7798             nan     0.1502    0.0104
     8        0.7616             nan     0.1502    0.0087
     9        0.7459             nan     0.1502    0.0072
    10        0.7345             nan     0.1502    0.0051
    20        0.6556             nan     0.1502    0.0022
    40        0.6119             nan     0.1502    0.0001
    60        0.5926             nan     0.1502    0.0000
    80        0.5830             nan     0.1502   -0.0000
   100        0.5748             nan     0.1502   -0.0002
   120        0.5692             nan     0.1502   -0.0001
   140        0.5639             nan     0.1502   -0.0001
   160        0.5584             nan     0.1502    0.0004
   180        0.5549             nan     0.1502   -0.0001
   200        0.5502             nan     0.1502   -0.0001
   220        0.5466             nan     0.1502   -0.0001
   240        0.5438             nan     0.1502   -0.0001
   260        0.5407             nan     0.1502   -0.0001
   280        0.5382             nan     0.1502   -0.0001
   300        0.5352             nan     0.1502   -0.0001
   320        0.5331             nan     0.1502   -0.0002
   340        0.5312             nan     0.1502   -0.0002
   360        0.5288             nan     0.1502   -0.0002
   380        0.5265             nan     0.1502   -0.0000
   400        0.5237             nan     0.1502   -0.0001
   420        0.5217             nan     0.1502   -0.0001
   440        0.5198             nan     0.1502   -0.0002
   460        0.5181             nan     0.1502   -0.0002
   480        0.5160             nan     0.1502   -0.0001
   500        0.5145             nan     0.1502   -0.0001
   520        0.5127             nan     0.1502   -0.0001
   540        0.5107             nan     0.1502   -0.0001
   560        0.5089             nan     0.1502   -0.0001
   580        0.5076             nan     0.1502   -0.0003
   600        0.5062             nan     0.1502   -0.0001
   620        0.5049             nan     0.1502   -0.0001
   640        0.5036             nan     0.1502   -0.0002
   660        0.5024             nan     0.1502   -0.0002
   680        0.5011             nan     0.1502   -0.0002
   689        0.5007             nan     0.1502   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0000             nan     0.1546    0.0510
     2        0.9336             nan     0.1546    0.0329
     3        0.8843             nan     0.1546    0.0247
     4        0.8477             nan     0.1546    0.0177
     5        0.8182             nan     0.1546    0.0145
     6        0.7956             nan     0.1546    0.0110
     7        0.7753             nan     0.1546    0.0092
     8        0.7559             nan     0.1546    0.0096
     9        0.7422             nan     0.1546    0.0064
    10        0.7269             nan     0.1546    0.0075
    20        0.6523             nan     0.1546    0.0022
    40        0.6078             nan     0.1546    0.0008
    60        0.5884             nan     0.1546    0.0002
    80        0.5767             nan     0.1546   -0.0001
   100        0.5680             nan     0.1546   -0.0001
   120        0.5619             nan     0.1546   -0.0002
   140        0.5568             nan     0.1546   -0.0001
   160        0.5516             nan     0.1546   -0.0000
   180        0.5465             nan     0.1546    0.0000
   200        0.5409             nan     0.1546   -0.0002
   220        0.5368             nan     0.1546   -0.0000
   240        0.5320             nan     0.1546   -0.0000
   260        0.5289             nan     0.1546   -0.0001
   280        0.5252             nan     0.1546   -0.0002
   300        0.5222             nan     0.1546   -0.0001
   320        0.5193             nan     0.1546   -0.0001
   340        0.5162             nan     0.1546   -0.0001
   347        0.5154             nan     0.1546   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9985             nan     0.1561    0.0508
     2        0.9316             nan     0.1561    0.0332
     3        0.8829             nan     0.1561    0.0246
     4        0.8472             nan     0.1561    0.0177
     5        0.8178             nan     0.1561    0.0151
     6        0.7914             nan     0.1561    0.0129
     7        0.7721             nan     0.1561    0.0094
     8        0.7538             nan     0.1561    0.0091
     9        0.7397             nan     0.1561    0.0064
    10        0.7281             nan     0.1561    0.0052
    20        0.6522             nan     0.1561    0.0019
    40        0.6073             nan     0.1561    0.0007
    60        0.5875             nan     0.1561    0.0007
    80        0.5768             nan     0.1561   -0.0001
   100        0.5682             nan     0.1561   -0.0002
   120        0.5615             nan     0.1561    0.0000
   140        0.5536             nan     0.1561   -0.0001
   160        0.5483             nan     0.1561   -0.0003
   180        0.5441             nan     0.1561   -0.0001
   200        0.5408             nan     0.1561   -0.0001
   220        0.5375             nan     0.1561   -0.0001
   240        0.5341             nan     0.1561   -0.0002
   260        0.5309             nan     0.1561   -0.0001
   280        0.5279             nan     0.1561   -0.0000
   300        0.5253             nan     0.1561   -0.0001
   302        0.5251             nan     0.1561   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0080             nan     0.1572    0.0458
     2        0.9426             nan     0.1572    0.0322
     3        0.8982             nan     0.1572    0.0221
     4        0.8587             nan     0.1572    0.0189
     5        0.8314             nan     0.1572    0.0135
     6        0.8049             nan     0.1572    0.0134
     7        0.7844             nan     0.1572    0.0103
     8        0.7673             nan     0.1572    0.0083
     9        0.7533             nan     0.1572    0.0063
    10        0.7408             nan     0.1572    0.0061
    20        0.6658             nan     0.1572    0.0024
    40        0.6213             nan     0.1572    0.0008
    60        0.6053             nan     0.1572    0.0001
    80        0.5952             nan     0.1572    0.0001
   100        0.5883             nan     0.1572    0.0001
   120        0.5835             nan     0.1572    0.0000
   140        0.5779             nan     0.1572   -0.0000
   160        0.5747             nan     0.1572   -0.0001
   180        0.5709             nan     0.1572   -0.0000
   200        0.5682             nan     0.1572   -0.0002
   220        0.5656             nan     0.1572   -0.0000
   240        0.5626             nan     0.1572    0.0001
   260        0.5604             nan     0.1572   -0.0001
   280        0.5581             nan     0.1572   -0.0002
   300        0.5554             nan     0.1572   -0.0002
   320        0.5537             nan     0.1572   -0.0001
   340        0.5517             nan     0.1572   -0.0001
   360        0.5501             nan     0.1572   -0.0001
   380        0.5486             nan     0.1572   -0.0001
   400        0.5471             nan     0.1572   -0.0001
   404        0.5468             nan     0.1572   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0074             nan     0.1580    0.0460
     2        0.9408             nan     0.1580    0.0331
     3        0.8930             nan     0.1580    0.0237
     4        0.8533             nan     0.1580    0.0193
     5        0.8241             nan     0.1580    0.0145
     6        0.7994             nan     0.1580    0.0121
     7        0.7820             nan     0.1580    0.0084
     8        0.7650             nan     0.1580    0.0081
     9        0.7468             nan     0.1580    0.0088
    10        0.7351             nan     0.1580    0.0057
    20        0.6646             nan     0.1580    0.0026
    40        0.6203             nan     0.1580    0.0006
    60        0.6014             nan     0.1580   -0.0000
    80        0.5909             nan     0.1580    0.0003
   100        0.5829             nan     0.1580   -0.0002
   120        0.5777             nan     0.1580   -0.0000
   140        0.5730             nan     0.1580   -0.0001
   160        0.5681             nan     0.1580   -0.0000
   180        0.5652             nan     0.1580   -0.0001
   200        0.5622             nan     0.1580   -0.0000
   220        0.5596             nan     0.1580   -0.0001
   240        0.5574             nan     0.1580   -0.0001
   260        0.5553             nan     0.1580   -0.0001
   280        0.5529             nan     0.1580   -0.0002
   300        0.5494             nan     0.1580   -0.0001
   320        0.5470             nan     0.1580   -0.0001
   340        0.5448             nan     0.1580   -0.0001
   360        0.5433             nan     0.1580   -0.0001
   380        0.5418             nan     0.1580   -0.0001
   400        0.5406             nan     0.1580   -0.0002
   420        0.5390             nan     0.1580   -0.0001
   440        0.5378             nan     0.1580   -0.0003
   460        0.5360             nan     0.1580   -0.0000
   480        0.5341             nan     0.1580   -0.0002
   500        0.5325             nan     0.1580   -0.0001
   514        0.5310             nan     0.1580   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0076             nan     0.1589    0.0469
     2        0.9410             nan     0.1589    0.0324
     3        0.8945             nan     0.1589    0.0229
     4        0.8575             nan     0.1589    0.0182
     5        0.8299             nan     0.1589    0.0135
     6        0.8051             nan     0.1589    0.0125
     7        0.7845             nan     0.1589    0.0102
     8        0.7679             nan     0.1589    0.0084
     9        0.7525             nan     0.1589    0.0075
    10        0.7408             nan     0.1589    0.0056
    20        0.6677             nan     0.1589    0.0013
    40        0.6209             nan     0.1589    0.0003
    60        0.6037             nan     0.1589    0.0001
    80        0.5928             nan     0.1589    0.0004
   100        0.5835             nan     0.1589    0.0002
   120        0.5780             nan     0.1589    0.0001
   140        0.5731             nan     0.1589   -0.0001
   160        0.5680             nan     0.1589   -0.0000
   180        0.5640             nan     0.1589   -0.0002
   200        0.5600             nan     0.1589   -0.0001
   220        0.5574             nan     0.1589   -0.0001
   240        0.5536             nan     0.1589   -0.0001
   260        0.5514             nan     0.1589   -0.0000
   280        0.5486             nan     0.1589   -0.0001
   300        0.5464             nan     0.1589   -0.0001
   320        0.5443             nan     0.1589   -0.0000
   340        0.5425             nan     0.1589   -0.0000
   360        0.5408             nan     0.1589   -0.0001
   380        0.5390             nan     0.1589    0.0001
   400        0.5372             nan     0.1589   -0.0001
   420        0.5357             nan     0.1589   -0.0000
   440        0.5343             nan     0.1589   -0.0001
   460        0.5331             nan     0.1589   -0.0002
   480        0.5317             nan     0.1589   -0.0001
   500        0.5295             nan     0.1589    0.0002
   520        0.5285             nan     0.1589   -0.0000
   540        0.5272             nan     0.1589   -0.0001
   557        0.5262             nan     0.1589   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0191             nan     0.1591    0.0406
     2        0.9624             nan     0.1591    0.0284
     3        0.9215             nan     0.1591    0.0207
     4        0.8818             nan     0.1591    0.0201
     5        0.8521             nan     0.1591    0.0151
     6        0.8327             nan     0.1591    0.0098
     7        0.8178             nan     0.1591    0.0076
     8        0.8012             nan     0.1591    0.0083
     9        0.7861             nan     0.1591    0.0073
    10        0.7740             nan     0.1591    0.0054
    20        0.6921             nan     0.1591    0.0034
    40        0.6399             nan     0.1591    0.0005
    60        0.6192             nan     0.1591    0.0001
    80        0.6064             nan     0.1591    0.0003
   100        0.5987             nan     0.1591    0.0000
   120        0.5927             nan     0.1591    0.0004
   140        0.5866             nan     0.1591   -0.0001
   160        0.5829             nan     0.1591   -0.0001
   180        0.5784             nan     0.1591    0.0000
   200        0.5754             nan     0.1591   -0.0000
   220        0.5725             nan     0.1591   -0.0000
   240        0.5690             nan     0.1591   -0.0000
   260        0.5660             nan     0.1591   -0.0001
   280        0.5641             nan     0.1591   -0.0003
   300        0.5615             nan     0.1591   -0.0000
   320        0.5594             nan     0.1591   -0.0001
   340        0.5572             nan     0.1591   -0.0001
   360        0.5551             nan     0.1591   -0.0000
   380        0.5536             nan     0.1591   -0.0002
   400        0.5520             nan     0.1591   -0.0001
   420        0.5508             nan     0.1591   -0.0001
   440        0.5493             nan     0.1591   -0.0001
   460        0.5482             nan     0.1591   -0.0001
   480        0.5473             nan     0.1591   -0.0000
   500        0.5462             nan     0.1591   -0.0001
   520        0.5450             nan     0.1591   -0.0001
   540        0.5442             nan     0.1591   -0.0001
   560        0.5434             nan     0.1591   -0.0002
   580        0.5423             nan     0.1591    0.0002
   600        0.5413             nan     0.1591   -0.0001
   620        0.5405             nan     0.1591   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9956             nan     0.1593    0.0531
     2        0.9279             nan     0.1593    0.0334
     3        0.8798             nan     0.1593    0.0237
     4        0.8432             nan     0.1593    0.0178
     5        0.8131             nan     0.1593    0.0149
     6        0.7870             nan     0.1593    0.0130
     7        0.7679             nan     0.1593    0.0092
     8        0.7507             nan     0.1593    0.0083
     9        0.7377             nan     0.1593    0.0062
    10        0.7235             nan     0.1593    0.0068
    20        0.6513             nan     0.1593    0.0016
    40        0.6092             nan     0.1593    0.0002
    60        0.5941             nan     0.1593    0.0000
    80        0.5834             nan     0.1593    0.0001
   100        0.5757             nan     0.1593   -0.0001
   120        0.5705             nan     0.1593   -0.0001
   140        0.5658             nan     0.1593   -0.0002
   160        0.5615             nan     0.1593   -0.0000
   180        0.5571             nan     0.1593   -0.0001
   200        0.5538             nan     0.1593   -0.0002
   220        0.5507             nan     0.1593   -0.0001
   240        0.5468             nan     0.1593   -0.0001
   260        0.5440             nan     0.1593   -0.0001
   280        0.5413             nan     0.1593   -0.0002
   300        0.5394             nan     0.1593   -0.0002
   320        0.5368             nan     0.1593   -0.0002
   340        0.5347             nan     0.1593   -0.0001
   360        0.5330             nan     0.1593   -0.0002
   380        0.5314             nan     0.1593   -0.0002
   400        0.5295             nan     0.1593   -0.0000
   420        0.5275             nan     0.1593   -0.0002
   440        0.5256             nan     0.1593   -0.0001
   460        0.5241             nan     0.1593   -0.0001
   480        0.5226             nan     0.1593   -0.0002
   500        0.5210             nan     0.1593   -0.0001
   520        0.5191             nan     0.1593   -0.0002
   540        0.5177             nan     0.1593   -0.0001
   560        0.5166             nan     0.1593   -0.0002
   580        0.5154             nan     0.1593   -0.0001
   600        0.5139             nan     0.1593   -0.0002
   620        0.5127             nan     0.1593   -0.0002
   639        0.5116             nan     0.1593   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9913             nan     0.1625    0.0543
     2        0.9200             nan     0.1625    0.0359
     3        0.8692             nan     0.1625    0.0250
     4        0.8311             nan     0.1625    0.0185
     5        0.8008             nan     0.1625    0.0145
     6        0.7772             nan     0.1625    0.0120
     7        0.7568             nan     0.1625    0.0100
     8        0.7383             nan     0.1625    0.0088
     9        0.7227             nan     0.1625    0.0075
    10        0.7091             nan     0.1625    0.0068
    20        0.6413             nan     0.1625    0.0015
    40        0.6002             nan     0.1625    0.0003
    60        0.5829             nan     0.1625   -0.0000
    80        0.5732             nan     0.1625   -0.0002
   100        0.5651             nan     0.1625    0.0000
   120        0.5596             nan     0.1625   -0.0002
   140        0.5541             nan     0.1625   -0.0000
   160        0.5481             nan     0.1625   -0.0001
   180        0.5433             nan     0.1625   -0.0002
   185        0.5426             nan     0.1625   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9906             nan     0.1685    0.0537
     2        0.9210             nan     0.1685    0.0341
     3        0.8711             nan     0.1685    0.0249
     4        0.8351             nan     0.1685    0.0175
     5        0.8037             nan     0.1685    0.0153
     6        0.7777             nan     0.1685    0.0120
     7        0.7578             nan     0.1685    0.0095
     8        0.7423             nan     0.1685    0.0071
     9        0.7287             nan     0.1685    0.0069
    10        0.7142             nan     0.1685    0.0068
    20        0.6463             nan     0.1685    0.0026
    40        0.6042             nan     0.1685    0.0006
    60        0.5874             nan     0.1685    0.0001
    80        0.5769             nan     0.1685   -0.0001
   100        0.5677             nan     0.1685   -0.0001
   120        0.5615             nan     0.1685    0.0000
   140        0.5542             nan     0.1685    0.0010
   160        0.5488             nan     0.1685   -0.0000
   180        0.5438             nan     0.1685   -0.0002
   200        0.5393             nan     0.1685   -0.0000
   220        0.5360             nan     0.1685   -0.0001
   240        0.5320             nan     0.1685   -0.0000
   260        0.5279             nan     0.1685   -0.0001
   280        0.5233             nan     0.1685   -0.0001
   300        0.5198             nan     0.1685   -0.0001
   320        0.5163             nan     0.1685   -0.0002
   340        0.5129             nan     0.1685   -0.0002
   360        0.5088             nan     0.1685   -0.0001
   380        0.5068             nan     0.1685   -0.0001
   400        0.5045             nan     0.1685   -0.0001
   420        0.5021             nan     0.1685   -0.0001
   440        0.4990             nan     0.1685   -0.0001
   460        0.4962             nan     0.1685   -0.0001
   480        0.4933             nan     0.1685   -0.0001
   500        0.4907             nan     0.1685   -0.0002
   520        0.4882             nan     0.1685   -0.0000
   540        0.4860             nan     0.1685   -0.0001
   560        0.4845             nan     0.1685   -0.0000
   580        0.4822             nan     0.1685   -0.0001
   600        0.4804             nan     0.1685   -0.0001
   620        0.4781             nan     0.1685   -0.0002
   640        0.4760             nan     0.1685   -0.0001
   660        0.4732             nan     0.1685   -0.0002
   680        0.4713             nan     0.1685   -0.0001
   700        0.4690             nan     0.1685   -0.0002
   720        0.4670             nan     0.1685   -0.0001
   740        0.4650             nan     0.1685   -0.0001
   750        0.4641             nan     0.1685   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0151             nan     0.1687    0.0423
     2        0.9576             nan     0.1687    0.0284
     3        0.9146             nan     0.1687    0.0210
     4        0.8737             nan     0.1687    0.0202
     5        0.8450             nan     0.1687    0.0140
     6        0.8212             nan     0.1687    0.0118
     7        0.8034             nan     0.1687    0.0088
     8        0.7914             nan     0.1687    0.0057
     9        0.7773             nan     0.1687    0.0067
    10        0.7627             nan     0.1687    0.0072
    20        0.6842             nan     0.1687    0.0024
    40        0.6365             nan     0.1687    0.0005
    60        0.6185             nan     0.1687    0.0003
    80        0.6070             nan     0.1687   -0.0000
   100        0.5992             nan     0.1687    0.0001
   120        0.5942             nan     0.1687    0.0000
   140        0.5896             nan     0.1687   -0.0000
   160        0.5866             nan     0.1687   -0.0001
   180        0.5840             nan     0.1687   -0.0000
   200        0.5805             nan     0.1687   -0.0002
   220        0.5775             nan     0.1687   -0.0001
   240        0.5746             nan     0.1687    0.0000
   257        0.5730             nan     0.1687   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0149             nan     0.1688    0.0428
     2        0.9569             nan     0.1688    0.0284
     3        0.9127             nan     0.1688    0.0213
     4        0.8728             nan     0.1688    0.0202
     5        0.8433             nan     0.1688    0.0151
     6        0.8218             nan     0.1688    0.0114
     7        0.8059             nan     0.1688    0.0079
     8        0.7921             nan     0.1688    0.0063
     9        0.7775             nan     0.1688    0.0074
    10        0.7637             nan     0.1688    0.0072
    20        0.6830             nan     0.1688    0.0030
    40        0.6330             nan     0.1688    0.0003
    60        0.6137             nan     0.1688    0.0004
    80        0.6018             nan     0.1688    0.0000
   100        0.5936             nan     0.1688   -0.0000
   120        0.5886             nan     0.1688   -0.0001
   140        0.5832             nan     0.1688   -0.0000
   160        0.5796             nan     0.1688    0.0002
   180        0.5755             nan     0.1688    0.0001
   200        0.5718             nan     0.1688   -0.0000
   220        0.5674             nan     0.1688   -0.0001
   240        0.5649             nan     0.1688   -0.0001
   260        0.5625             nan     0.1688   -0.0001
   280        0.5595             nan     0.1688   -0.0000
   300        0.5578             nan     0.1688   -0.0001
   320        0.5563             nan     0.1688   -0.0002
   340        0.5548             nan     0.1688   -0.0001
   360        0.5533             nan     0.1688   -0.0001
   380        0.5517             nan     0.1688   -0.0001
   400        0.5503             nan     0.1688   -0.0001
   420        0.5486             nan     0.1688   -0.0001
   440        0.5470             nan     0.1688    0.0000
   460        0.5457             nan     0.1688   -0.0001
   480        0.5443             nan     0.1688   -0.0001
   500        0.5431             nan     0.1688   -0.0001
   520        0.5418             nan     0.1688   -0.0001
   540        0.5409             nan     0.1688   -0.0001
   560        0.5397             nan     0.1688   -0.0000
   572        0.5393             nan     0.1688   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9853             nan     0.1722    0.0578
     2        0.9116             nan     0.1722    0.0368
     3        0.8604             nan     0.1722    0.0248
     4        0.8219             nan     0.1722    0.0184
     5        0.7925             nan     0.1722    0.0145
     6        0.7665             nan     0.1722    0.0132
     7        0.7449             nan     0.1722    0.0103
     8        0.7270             nan     0.1722    0.0088
     9        0.7135             nan     0.1722    0.0061
    10        0.7029             nan     0.1722    0.0049
    20        0.6367             nan     0.1722    0.0024
    40        0.5929             nan     0.1722    0.0001
    60        0.5723             nan     0.1722    0.0004
    80        0.5633             nan     0.1722   -0.0001
   100        0.5547             nan     0.1722   -0.0001
   120        0.5488             nan     0.1722   -0.0002
   140        0.5415             nan     0.1722   -0.0002
   160        0.5367             nan     0.1722   -0.0002
   180        0.5322             nan     0.1722   -0.0001
   200        0.5286             nan     0.1722   -0.0002
   220        0.5246             nan     0.1722   -0.0001
   240        0.5205             nan     0.1722   -0.0002
   260        0.5159             nan     0.1722   -0.0001
   280        0.5119             nan     0.1722   -0.0001
   300        0.5084             nan     0.1722   -0.0002
   320        0.5055             nan     0.1722   -0.0002
   340        0.5025             nan     0.1722   -0.0001
   360        0.4995             nan     0.1722   -0.0003
   380        0.4973             nan     0.1722   -0.0001
   400        0.4945             nan     0.1722   -0.0002
   420        0.4919             nan     0.1722   -0.0002
   440        0.4894             nan     0.1722   -0.0001
   460        0.4871             nan     0.1722   -0.0002
   480        0.4841             nan     0.1722   -0.0001
   500        0.4817             nan     0.1722   -0.0001
   520        0.4790             nan     0.1722   -0.0001
   540        0.4762             nan     0.1722   -0.0001
   560        0.4742             nan     0.1722   -0.0002
   580        0.4715             nan     0.1722   -0.0002
   600        0.4690             nan     0.1722   -0.0001
   620        0.4665             nan     0.1722   -0.0001
   640        0.4645             nan     0.1722   -0.0002
   660        0.4631             nan     0.1722   -0.0001
   665        0.4624             nan     0.1722   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9844             nan     0.1728    0.0572
     2        0.9125             nan     0.1728    0.0354
     3        0.8607             nan     0.1728    0.0256
     4        0.8228             nan     0.1728    0.0185
     5        0.7951             nan     0.1728    0.0136
     6        0.7692             nan     0.1728    0.0129
     7        0.7478             nan     0.1728    0.0103
     8        0.7307             nan     0.1728    0.0083
     9        0.7163             nan     0.1728    0.0067
    10        0.7039             nan     0.1728    0.0058
    20        0.6391             nan     0.1728    0.0012
    40        0.5997             nan     0.1728    0.0002
    60        0.5864             nan     0.1728    0.0002
    80        0.5776             nan     0.1728   -0.0001
   100        0.5701             nan     0.1728   -0.0002
   120        0.5657             nan     0.1728   -0.0001
   140        0.5597             nan     0.1728    0.0002
   160        0.5537             nan     0.1728   -0.0002
   180        0.5496             nan     0.1728   -0.0001
   200        0.5457             nan     0.1728   -0.0002
   220        0.5409             nan     0.1728   -0.0001
   240        0.5377             nan     0.1728   -0.0002
   260        0.5346             nan     0.1728   -0.0003
   280        0.5318             nan     0.1728   -0.0002
   300        0.5296             nan     0.1728   -0.0003
   320        0.5273             nan     0.1728    0.0000
   340        0.5245             nan     0.1728   -0.0002
   360        0.5214             nan     0.1728   -0.0001
   380        0.5190             nan     0.1728   -0.0004
   400        0.5175             nan     0.1728   -0.0003
   420        0.5155             nan     0.1728   -0.0002
   434        0.5140             nan     0.1728   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9883             nan     0.1746    0.0566
     2        0.9186             nan     0.1746    0.0351
     3        0.8670             nan     0.1746    0.0248
     4        0.8285             nan     0.1746    0.0188
     5        0.7995             nan     0.1746    0.0137
     6        0.7709             nan     0.1746    0.0142
     7        0.7523             nan     0.1746    0.0093
     8        0.7344             nan     0.1746    0.0090
     9        0.7185             nan     0.1746    0.0077
    10        0.7054             nan     0.1746    0.0061
    20        0.6410             nan     0.1746    0.0021
    40        0.6013             nan     0.1746    0.0007
    60        0.5851             nan     0.1746   -0.0000
    80        0.5742             nan     0.1746   -0.0001
   100        0.5652             nan     0.1746   -0.0001
   120        0.5566             nan     0.1746   -0.0001
   140        0.5505             nan     0.1746   -0.0002
   160        0.5449             nan     0.1746    0.0001
   180        0.5411             nan     0.1746   -0.0000
   200        0.5372             nan     0.1746   -0.0003
   220        0.5329             nan     0.1746   -0.0001
   240        0.5283             nan     0.1746   -0.0000
   260        0.5248             nan     0.1746   -0.0002
   280        0.5217             nan     0.1746   -0.0002
   300        0.5182             nan     0.1746   -0.0001
   320        0.5144             nan     0.1746   -0.0001
   340        0.5107             nan     0.1746   -0.0002
   360        0.5074             nan     0.1746   -0.0001
   380        0.5047             nan     0.1746   -0.0001
   400        0.5026             nan     0.1746   -0.0001
   420        0.4997             nan     0.1746   -0.0002
   440        0.4967             nan     0.1746   -0.0002
   460        0.4943             nan     0.1746   -0.0001
   480        0.4922             nan     0.1746   -0.0001
   500        0.4896             nan     0.1746   -0.0001
   520        0.4867             nan     0.1746   -0.0001
   540        0.4848             nan     0.1746   -0.0001
   560        0.4829             nan     0.1746   -0.0003
   580        0.4809             nan     0.1746   -0.0001
   600        0.4790             nan     0.1746   -0.0002
   620        0.4764             nan     0.1746   -0.0001
   640        0.4726             nan     0.1746    0.0002
   660        0.4705             nan     0.1746   -0.0001
   680        0.4684             nan     0.1746   -0.0001
   700        0.4667             nan     0.1746   -0.0002
   720        0.4648             nan     0.1746   -0.0001
   740        0.4628             nan     0.1746   -0.0002
   760        0.4608             nan     0.1746   -0.0002
   780        0.4594             nan     0.1746   -0.0003
   800        0.4577             nan     0.1746   -0.0001
   820        0.4556             nan     0.1746   -0.0001
   840        0.4532             nan     0.1746   -0.0001
   860        0.4511             nan     0.1746   -0.0001
   870        0.4505             nan     0.1746   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9952             nan     0.1804    0.0527
     2        0.9232             nan     0.1804    0.0354
     3        0.8759             nan     0.1804    0.0228
     4        0.8351             nan     0.1804    0.0201
     5        0.8044             nan     0.1804    0.0153
     6        0.7807             nan     0.1804    0.0114
     7        0.7656             nan     0.1804    0.0071
     8        0.7492             nan     0.1804    0.0080
     9        0.7367             nan     0.1804    0.0058
    10        0.7248             nan     0.1804    0.0052
    20        0.6568             nan     0.1804    0.0015
    40        0.6165             nan     0.1804    0.0003
    60        0.5989             nan     0.1804    0.0001
    80        0.5893             nan     0.1804    0.0000
   100        0.5808             nan     0.1804   -0.0001
   120        0.5742             nan     0.1804   -0.0001
   140        0.5695             nan     0.1804   -0.0001
   160        0.5666             nan     0.1804   -0.0001
   180        0.5634             nan     0.1804   -0.0003
   200        0.5601             nan     0.1804   -0.0001
   220        0.5575             nan     0.1804   -0.0001
   240        0.5544             nan     0.1804   -0.0001
   260        0.5518             nan     0.1804   -0.0001
   280        0.5491             nan     0.1804   -0.0001
   300        0.5475             nan     0.1804   -0.0002
   320        0.5449             nan     0.1804   -0.0001
   340        0.5424             nan     0.1804   -0.0002
   360        0.5405             nan     0.1804   -0.0000
   380        0.5389             nan     0.1804   -0.0002
   400        0.5372             nan     0.1804   -0.0001
   420        0.5354             nan     0.1804   -0.0002
   440        0.5333             nan     0.1804   -0.0001
   460        0.5311             nan     0.1804   -0.0001
   480        0.5295             nan     0.1804   -0.0001
   500        0.5281             nan     0.1804   -0.0001
   520        0.5269             nan     0.1804    0.0000
   540        0.5253             nan     0.1804   -0.0001
   560        0.5241             nan     0.1804   -0.0001
   580        0.5221             nan     0.1804   -0.0001
   600        0.5208             nan     0.1804   -0.0001
   620        0.5197             nan     0.1804   -0.0001
   640        0.5186             nan     0.1804   -0.0001
   660        0.5174             nan     0.1804   -0.0001
   667        0.5172             nan     0.1804   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9931             nan     0.1837    0.0532
     2        0.9224             nan     0.1837    0.0353
     3        0.8751             nan     0.1837    0.0235
     4        0.8375             nan     0.1837    0.0185
     5        0.8062             nan     0.1837    0.0156
     6        0.7826             nan     0.1837    0.0118
     7        0.7632             nan     0.1837    0.0094
     8        0.7491             nan     0.1837    0.0067
     9        0.7354             nan     0.1837    0.0068
    10        0.7229             nan     0.1837    0.0057
    20        0.6553             nan     0.1837    0.0019
    40        0.6144             nan     0.1837    0.0007
    60        0.5960             nan     0.1837    0.0000
    80        0.5860             nan     0.1837   -0.0000
   100        0.5775             nan     0.1837   -0.0001
   120        0.5704             nan     0.1837   -0.0002
   140        0.5652             nan     0.1837   -0.0002
   160        0.5613             nan     0.1837   -0.0001
   180        0.5571             nan     0.1837   -0.0002
   200        0.5540             nan     0.1837   -0.0002
   220        0.5503             nan     0.1837   -0.0000
   240        0.5475             nan     0.1837   -0.0001
   260        0.5446             nan     0.1837   -0.0001
   280        0.5422             nan     0.1837   -0.0002
   300        0.5401             nan     0.1837   -0.0001
   320        0.5381             nan     0.1837   -0.0002
   340        0.5364             nan     0.1837   -0.0002
   360        0.5348             nan     0.1837   -0.0001
   380        0.5332             nan     0.1837   -0.0001
   400        0.5313             nan     0.1837   -0.0001
   420        0.5287             nan     0.1837   -0.0002
   440        0.5273             nan     0.1837   -0.0002
   460        0.5254             nan     0.1837   -0.0001
   480        0.5241             nan     0.1837   -0.0001
   500        0.5227             nan     0.1837   -0.0002
   507        0.5222             nan     0.1837   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0088             nan     0.1839    0.0463
     2        0.9467             nan     0.1839    0.0303
     3        0.9025             nan     0.1839    0.0212
     4        0.8610             nan     0.1839    0.0209
     5        0.8318             nan     0.1839    0.0144
     6        0.8118             nan     0.1839    0.0103
     7        0.7919             nan     0.1839    0.0100
     8        0.7797             nan     0.1839    0.0057
     9        0.7634             nan     0.1839    0.0079
    10        0.7518             nan     0.1839    0.0054
    20        0.6779             nan     0.1839    0.0020
    40        0.6303             nan     0.1839    0.0003
    60        0.6130             nan     0.1839    0.0002
    80        0.6030             nan     0.1839    0.0000
   100        0.5962             nan     0.1839    0.0004
   120        0.5908             nan     0.1839   -0.0000
   140        0.5868             nan     0.1839   -0.0001
   160        0.5835             nan     0.1839   -0.0000
   180        0.5801             nan     0.1839   -0.0000
   200        0.5776             nan     0.1839   -0.0000
   220        0.5747             nan     0.1839   -0.0002
   240        0.5728             nan     0.1839   -0.0000
   260        0.5705             nan     0.1839   -0.0001
   280        0.5686             nan     0.1839   -0.0001
   300        0.5674             nan     0.1839   -0.0001
   320        0.5655             nan     0.1839   -0.0000
   340        0.5641             nan     0.1839   -0.0002
   360        0.5631             nan     0.1839   -0.0002
   380        0.5616             nan     0.1839   -0.0000
   400        0.5600             nan     0.1839   -0.0001
   420        0.5582             nan     0.1839   -0.0002
   440        0.5571             nan     0.1839   -0.0002
   460        0.5564             nan     0.1839   -0.0001
   480        0.5547             nan     0.1839   -0.0001
   500        0.5536             nan     0.1839   -0.0001
   520        0.5521             nan     0.1839   -0.0001
   540        0.5515             nan     0.1839   -0.0001
   560        0.5510             nan     0.1839   -0.0001
   580        0.5502             nan     0.1839   -0.0002
   600        0.5492             nan     0.1839   -0.0002
   620        0.5484             nan     0.1839   -0.0001
   640        0.5469             nan     0.1839   -0.0001
   660        0.5463             nan     0.1839   -0.0003
   680        0.5454             nan     0.1839   -0.0001
   700        0.5446             nan     0.1839   -0.0001
   706        0.5443             nan     0.1839   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0033             nan     0.1931    0.0486
     2        0.9413             nan     0.1931    0.0313
     3        0.8903             nan     0.1931    0.0257
     4        0.8546             nan     0.1931    0.0178
     5        0.8288             nan     0.1931    0.0124
     6        0.8094             nan     0.1931    0.0097
     7        0.7916             nan     0.1931    0.0083
     8        0.7728             nan     0.1931    0.0093
     9        0.7576             nan     0.1931    0.0074
    10        0.7463             nan     0.1931    0.0058
    20        0.6725             nan     0.1931    0.0014
    40        0.6280             nan     0.1931    0.0003
    60        0.6106             nan     0.1931    0.0004
    80        0.6015             nan     0.1931    0.0005
   100        0.5936             nan     0.1931    0.0000
   120        0.5880             nan     0.1931   -0.0002
   140        0.5833             nan     0.1931    0.0001
   160        0.5785             nan     0.1931   -0.0001
   180        0.5753             nan     0.1931   -0.0001
   200        0.5722             nan     0.1931   -0.0000
   220        0.5701             nan     0.1931   -0.0002
   240        0.5676             nan     0.1931   -0.0001
   260        0.5657             nan     0.1931   -0.0001
   280        0.5635             nan     0.1931   -0.0001
   300        0.5616             nan     0.1931   -0.0002
   320        0.5599             nan     0.1931    0.0000
   340        0.5588             nan     0.1931   -0.0000
   360        0.5574             nan     0.1931   -0.0001
   380        0.5561             nan     0.1931   -0.0001
   400        0.5549             nan     0.1931   -0.0001
   420        0.5535             nan     0.1931   -0.0001
   440        0.5521             nan     0.1931   -0.0002
   460        0.5509             nan     0.1931   -0.0001
   480        0.5499             nan     0.1931   -0.0002
   500        0.5486             nan     0.1931   -0.0001
   520        0.5479             nan     0.1931   -0.0002
   540        0.5471             nan     0.1931   -0.0000
   560        0.5458             nan     0.1931   -0.0001
   580        0.5446             nan     0.1931   -0.0002
   600        0.5431             nan     0.1931   -0.0001
   620        0.5423             nan     0.1931   -0.0002
   637        0.5419             nan     0.1931   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9889             nan     0.1938    0.0558
     2        0.9143             nan     0.1938    0.0368
     3        0.8606             nan     0.1938    0.0262
     4        0.8267             nan     0.1938    0.0166
     5        0.7937             nan     0.1938    0.0159
     6        0.7688             nan     0.1938    0.0120
     7        0.7543             nan     0.1938    0.0072
     8        0.7387             nan     0.1938    0.0077
     9        0.7268             nan     0.1938    0.0057
    10        0.7129             nan     0.1938    0.0067
    20        0.6497             nan     0.1938    0.0020
    40        0.6084             nan     0.1938    0.0002
    60        0.5911             nan     0.1938    0.0000
    80        0.5811             nan     0.1938   -0.0000
   100        0.5726             nan     0.1938   -0.0000
   120        0.5660             nan     0.1938   -0.0000
   140        0.5602             nan     0.1938   -0.0001
   160        0.5557             nan     0.1938   -0.0001
   180        0.5516             nan     0.1938   -0.0002
   200        0.5485             nan     0.1938   -0.0001
   220        0.5459             nan     0.1938   -0.0001
   240        0.5432             nan     0.1938   -0.0002
   260        0.5412             nan     0.1938   -0.0002
   280        0.5389             nan     0.1938   -0.0002
   300        0.5368             nan     0.1938   -0.0002
   320        0.5342             nan     0.1938   -0.0001
   340        0.5318             nan     0.1938   -0.0001
   360        0.5299             nan     0.1938   -0.0001
   380        0.5272             nan     0.1938   -0.0001
   400        0.5242             nan     0.1938   -0.0002
   420        0.5223             nan     0.1938   -0.0000
   440        0.5199             nan     0.1938   -0.0002
   460        0.5179             nan     0.1938   -0.0002
   480        0.5161             nan     0.1938   -0.0002
   500        0.5144             nan     0.1938   -0.0002
   520        0.5129             nan     0.1938   -0.0000
   523        0.5128             nan     0.1938   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0276             nan     0.1946    0.0350
     2        0.9858             nan     0.1946    0.0195
     3        0.9427             nan     0.1946    0.0212
     4        0.9126             nan     0.1946    0.0150
     5        0.8839             nan     0.1946    0.0137
     6        0.8659             nan     0.1946    0.0089
     7        0.8471             nan     0.1946    0.0090
     8        0.8301             nan     0.1946    0.0084
     9        0.8188             nan     0.1946    0.0057
    10        0.8063             nan     0.1946    0.0059
    20        0.7307             nan     0.1946    0.0023
    40        0.6651             nan     0.1946    0.0006
    60        0.6409             nan     0.1946    0.0002
    80        0.6268             nan     0.1946    0.0001
   100        0.6180             nan     0.1946    0.0001
   120        0.6125             nan     0.1946    0.0001
   140        0.6069             nan     0.1946    0.0001
   160        0.6029             nan     0.1946   -0.0001
   180        0.5999             nan     0.1946    0.0000
   200        0.5977             nan     0.1946   -0.0001
   220        0.5954             nan     0.1946   -0.0000
   240        0.5935             nan     0.1946   -0.0001
   260        0.5921             nan     0.1946    0.0000
   280        0.5909             nan     0.1946   -0.0001
   300        0.5900             nan     0.1946   -0.0001
   320        0.5885             nan     0.1946   -0.0001
   340        0.5874             nan     0.1946    0.0000
   360        0.5865             nan     0.1946   -0.0000
   380        0.5858             nan     0.1946   -0.0001
   400        0.5847             nan     0.1946   -0.0000
   420        0.5840             nan     0.1946   -0.0001
   440        0.5834             nan     0.1946   -0.0001
   460        0.5827             nan     0.1946   -0.0001
   480        0.5822             nan     0.1946   -0.0001
   500        0.5816             nan     0.1946   -0.0001
   520        0.5811             nan     0.1946   -0.0001
   540        0.5806             nan     0.1946   -0.0002
   560        0.5800             nan     0.1946   -0.0000
   580        0.5794             nan     0.1946   -0.0001
   600        0.5789             nan     0.1946   -0.0000
   603        0.5789             nan     0.1946   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0025             nan     0.1956    0.0488
     2        0.9399             nan     0.1956    0.0315
     3        0.8883             nan     0.1956    0.0253
     4        0.8582             nan     0.1956    0.0151
     5        0.8305             nan     0.1956    0.0142
     6        0.8085             nan     0.1956    0.0106
     7        0.7891             nan     0.1956    0.0094
     8        0.7700             nan     0.1956    0.0095
     9        0.7555             nan     0.1956    0.0069
    10        0.7458             nan     0.1956    0.0045
    20        0.6696             nan     0.1956    0.0019
    40        0.6264             nan     0.1956    0.0001
    60        0.6078             nan     0.1956    0.0005
    80        0.5986             nan     0.1956    0.0000
   100        0.5912             nan     0.1956    0.0003
   120        0.5854             nan     0.1956    0.0001
   140        0.5801             nan     0.1956   -0.0000
   160        0.5773             nan     0.1956   -0.0002
   180        0.5724             nan     0.1956   -0.0000
   200        0.5691             nan     0.1956    0.0002
   220        0.5660             nan     0.1956   -0.0002
   240        0.5633             nan     0.1956    0.0001
   260        0.5615             nan     0.1956   -0.0001
   280        0.5596             nan     0.1956   -0.0000
   300        0.5570             nan     0.1956    0.0003
   310        0.5555             nan     0.1956   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0027             nan     0.1958    0.0484
     2        0.9399             nan     0.1958    0.0310
     3        0.8873             nan     0.1958    0.0260
     4        0.8603             nan     0.1958    0.0129
     5        0.8285             nan     0.1958    0.0159
     6        0.8090             nan     0.1958    0.0096
     7        0.7906             nan     0.1958    0.0086
     8        0.7711             nan     0.1958    0.0095
     9        0.7557             nan     0.1958    0.0074
    10        0.7441             nan     0.1958    0.0056
    20        0.6730             nan     0.1958    0.0014
    40        0.6292             nan     0.1958    0.0002
    60        0.6111             nan     0.1958    0.0005
    80        0.6016             nan     0.1958   -0.0000
   100        0.5942             nan     0.1958   -0.0001
   120        0.5888             nan     0.1958    0.0000
   140        0.5849             nan     0.1958    0.0002
   160        0.5811             nan     0.1958    0.0003
   180        0.5776             nan     0.1958   -0.0001
   200        0.5750             nan     0.1958   -0.0001
   220        0.5722             nan     0.1958   -0.0001
   240        0.5703             nan     0.1958    0.0000
   260        0.5682             nan     0.1958   -0.0001
   280        0.5671             nan     0.1958   -0.0002
   300        0.5648             nan     0.1958   -0.0001
   320        0.5631             nan     0.1958   -0.0001
   340        0.5610             nan     0.1958   -0.0001
   360        0.5585             nan     0.1958    0.0002
   380        0.5572             nan     0.1958   -0.0002
   400        0.5560             nan     0.1958   -0.0001
   420        0.5547             nan     0.1958   -0.0001
   440        0.5536             nan     0.1958   -0.0001
   460        0.5524             nan     0.1958   -0.0001
   467        0.5521             nan     0.1958   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9999             nan     0.1968    0.0488
     2        0.9258             nan     0.1968    0.0377
     3        0.8815             nan     0.1968    0.0218
     4        0.8441             nan     0.1968    0.0181
     5        0.8184             nan     0.1968    0.0126
     6        0.7983             nan     0.1968    0.0098
     7        0.7803             nan     0.1968    0.0090
     8        0.7666             nan     0.1968    0.0063
     9        0.7551             nan     0.1968    0.0056
    10        0.7409             nan     0.1968    0.0070
    20        0.6718             nan     0.1968    0.0023
    40        0.6265             nan     0.1968    0.0002
    60        0.6099             nan     0.1968    0.0002
    80        0.5985             nan     0.1968    0.0001
   100        0.5910             nan     0.1968    0.0002
   120        0.5850             nan     0.1968   -0.0001
   140        0.5799             nan     0.1968   -0.0001
   160        0.5763             nan     0.1968   -0.0001
   180        0.5741             nan     0.1968   -0.0001
   200        0.5717             nan     0.1968   -0.0001
   220        0.5678             nan     0.1968   -0.0000
   240        0.5652             nan     0.1968   -0.0001
   260        0.5629             nan     0.1968   -0.0001
   277        0.5610             nan     0.1968    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0029             nan     0.1973    0.0490
     2        0.9400             nan     0.1973    0.0317
     3        0.8876             nan     0.1973    0.0257
     4        0.8545             nan     0.1973    0.0165
     5        0.8282             nan     0.1973    0.0132
     6        0.8062             nan     0.1973    0.0109
     7        0.7858             nan     0.1973    0.0106
     8        0.7699             nan     0.1973    0.0079
     9        0.7573             nan     0.1973    0.0062
    10        0.7447             nan     0.1973    0.0064
    20        0.6695             nan     0.1973    0.0030
    40        0.6276             nan     0.1973    0.0005
    60        0.6110             nan     0.1973    0.0001
    80        0.6007             nan     0.1973    0.0002
   100        0.5931             nan     0.1973   -0.0000
   120        0.5877             nan     0.1973   -0.0000
   140        0.5831             nan     0.1973   -0.0000
   160        0.5793             nan     0.1973    0.0000
   180        0.5763             nan     0.1973   -0.0000
   200        0.5731             nan     0.1973   -0.0001
   220        0.5705             nan     0.1973   -0.0001
   240        0.5679             nan     0.1973   -0.0001
   260        0.5661             nan     0.1973   -0.0001
   280        0.5644             nan     0.1973   -0.0003
   300        0.5623             nan     0.1973   -0.0001
   320        0.5600             nan     0.1973   -0.0001
   340        0.5586             nan     0.1973   -0.0002
   360        0.5575             nan     0.1973   -0.0000
   380        0.5562             nan     0.1973   -0.0002
   400        0.5547             nan     0.1973   -0.0000
   420        0.5535             nan     0.1973   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9854             nan     0.1983    0.0555
     2        0.9111             nan     0.1983    0.0370
     3        0.8632             nan     0.1983    0.0239
     4        0.8228             nan     0.1983    0.0206
     5        0.7983             nan     0.1983    0.0123
     6        0.7754             nan     0.1983    0.0114
     7        0.7578             nan     0.1983    0.0081
     8        0.7435             nan     0.1983    0.0071
     9        0.7292             nan     0.1983    0.0069
    10        0.7147             nan     0.1983    0.0069
    20        0.6489             nan     0.1983    0.0021
    40        0.6125             nan     0.1983    0.0002
    60        0.5979             nan     0.1983    0.0001
    80        0.5877             nan     0.1983   -0.0002
   100        0.5816             nan     0.1983    0.0002
   120        0.5762             nan     0.1983   -0.0001
   140        0.5703             nan     0.1983    0.0001
   160        0.5667             nan     0.1983   -0.0000
   180        0.5638             nan     0.1983   -0.0001
   200        0.5600             nan     0.1983    0.0001
   220        0.5567             nan     0.1983   -0.0002
   240        0.5538             nan     0.1983   -0.0001
   260        0.5507             nan     0.1983   -0.0002
   280        0.5478             nan     0.1983   -0.0000
   300        0.5459             nan     0.1983   -0.0001
   320        0.5431             nan     0.1983    0.0000
   340        0.5414             nan     0.1983   -0.0002
   360        0.5385             nan     0.1983   -0.0002
   380        0.5359             nan     0.1983   -0.0001
   400        0.5344             nan     0.1983   -0.0002
   420        0.5322             nan     0.1983   -0.0002
   440        0.5311             nan     0.1983   -0.0000
   460        0.5292             nan     0.1983   -0.0002
   480        0.5279             nan     0.1983   -0.0001
   500        0.5269             nan     0.1983   -0.0001
   520        0.5259             nan     0.1983   -0.0002
   540        0.5245             nan     0.1983   -0.0001
   560        0.5230             nan     0.1983   -0.0001
   580        0.5219             nan     0.1983   -0.0001
   594        0.5214             nan     0.1983   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9854             nan     0.1999    0.0572
     2        0.9102             nan     0.1999    0.0383
     3        0.8620             nan     0.1999    0.0239
     4        0.8286             nan     0.1999    0.0166
     5        0.7982             nan     0.1999    0.0154
     6        0.7783             nan     0.1999    0.0098
     7        0.7584             nan     0.1999    0.0096
     8        0.7396             nan     0.1999    0.0090
     9        0.7243             nan     0.1999    0.0069
    10        0.7124             nan     0.1999    0.0058
    20        0.6494             nan     0.1999    0.0016
    40        0.6086             nan     0.1999    0.0000
    60        0.5912             nan     0.1999    0.0000
    80        0.5810             nan     0.1999    0.0000
   100        0.5746             nan     0.1999    0.0001
   120        0.5681             nan     0.1999   -0.0002
   140        0.5623             nan     0.1999   -0.0001
   160        0.5589             nan     0.1999   -0.0001
   180        0.5547             nan     0.1999   -0.0001
   196        0.5526             nan     0.1999   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0918             nan     0.0116    0.0043
     2        1.0837             nan     0.0116    0.0041
     3        1.0756             nan     0.0116    0.0040
     4        1.0678             nan     0.0116    0.0039
     5        1.0602             nan     0.0116    0.0038
     6        1.0529             nan     0.0116    0.0036
     7        1.0458             nan     0.0116    0.0035
     8        1.0388             nan     0.0116    0.0034
     9        1.0320             nan     0.0116    0.0033
    10        1.0255             nan     0.0116    0.0033
    20        0.9686             nan     0.0116    0.0025
    40        0.8880             nan     0.0116    0.0016
    60        0.8327             nan     0.0116    0.0012
    80        0.7918             nan     0.0116    0.0009
   100        0.7592             nan     0.0116    0.0006
   120        0.7335             nan     0.0116    0.0005
   140        0.7125             nan     0.0116    0.0005
   160        0.6953             nan     0.0116    0.0004
   180        0.6813             nan     0.0116    0.0003
   200        0.6696             nan     0.0116    0.0003
   220        0.6604             nan     0.0116    0.0002
   240        0.6522             nan     0.0116    0.0002
   260        0.6448             nan     0.0116    0.0001
   280        0.6384             nan     0.0116    0.0001
   300        0.6330             nan     0.0116    0.0001
   320        0.6279             nan     0.0116    0.0001
   340        0.6232             nan     0.0116    0.0001
   360        0.6193             nan     0.0116    0.0001
   380        0.6157             nan     0.0116    0.0001
   400        0.6125             nan     0.0116    0.0001
   420        0.6092             nan     0.0116    0.0000
   440        0.6064             nan     0.0116    0.0000
   460        0.6038             nan     0.0116    0.0000
   480        0.6014             nan     0.0116    0.0001
   500        0.5991             nan     0.0116    0.0000
   520        0.5967             nan     0.0116    0.0000
   540        0.5946             nan     0.0116    0.0001
   560        0.5928             nan     0.0116    0.0000
   580        0.5913             nan     0.0116    0.0000
   600        0.5897             nan     0.0116    0.0000
   620        0.5879             nan     0.0116    0.0000
   628        0.5873             nan     0.0116    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0920             nan     0.0118    0.0042
     2        1.0837             nan     0.0118    0.0040
     3        1.0757             nan     0.0118    0.0039
     4        1.0680             nan     0.0118    0.0038
     5        1.0606             nan     0.0118    0.0038
     6        1.0535             nan     0.0118    0.0035
     7        1.0467             nan     0.0118    0.0034
     8        1.0402             nan     0.0118    0.0033
     9        1.0335             nan     0.0118    0.0033
    10        1.0270             nan     0.0118    0.0032
    20        0.9723             nan     0.0118    0.0025
    40        0.8936             nan     0.0118    0.0017
    60        0.8405             nan     0.0118    0.0013
    80        0.7993             nan     0.0118    0.0009
   100        0.7674             nan     0.0118    0.0007
   120        0.7423             nan     0.0118    0.0005
   140        0.7220             nan     0.0118    0.0004
   160        0.7053             nan     0.0118    0.0004
   180        0.6911             nan     0.0118    0.0003
   200        0.6796             nan     0.0118    0.0003
   220        0.6700             nan     0.0118    0.0003
   240        0.6616             nan     0.0118    0.0002
   260        0.6547             nan     0.0118    0.0001
   280        0.6485             nan     0.0118    0.0001
   300        0.6429             nan     0.0118    0.0001
   320        0.6377             nan     0.0118    0.0001
   340        0.6335             nan     0.0118    0.0001
   360        0.6298             nan     0.0118    0.0001
   366        0.6287             nan     0.0118    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0908             nan     0.0134    0.0048
     2        1.0818             nan     0.0134    0.0044
     3        1.0730             nan     0.0134    0.0044
     4        1.0645             nan     0.0134    0.0043
     5        1.0562             nan     0.0134    0.0042
     6        1.0483             nan     0.0134    0.0040
     7        1.0407             nan     0.0134    0.0039
     8        1.0332             nan     0.0134    0.0037
     9        1.0261             nan     0.0134    0.0036
    10        1.0190             nan     0.0134    0.0035
    20        0.9591             nan     0.0134    0.0026
    40        0.8769             nan     0.0134    0.0016
    60        0.8224             nan     0.0134    0.0011
    80        0.7810             nan     0.0134    0.0009
   100        0.7493             nan     0.0134    0.0006
   120        0.7254             nan     0.0134    0.0006
   140        0.7055             nan     0.0134    0.0004
   160        0.6896             nan     0.0134    0.0004
   180        0.6767             nan     0.0134    0.0003
   200        0.6662             nan     0.0134    0.0002
   220        0.6574             nan     0.0134    0.0002
   240        0.6497             nan     0.0134    0.0002
   260        0.6430             nan     0.0134    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0888             nan     0.0164    0.0058
     2        1.0774             nan     0.0164    0.0056
     3        1.0668             nan     0.0164    0.0053
     4        1.0566             nan     0.0164    0.0051
     5        1.0470             nan     0.0164    0.0048
     6        1.0377             nan     0.0164    0.0047
     7        1.0287             nan     0.0164    0.0044
     8        1.0201             nan     0.0164    0.0043
     9        1.0118             nan     0.0164    0.0042
    10        1.0037             nan     0.0164    0.0041
    20        0.9371             nan     0.0164    0.0029
    40        0.8496             nan     0.0164    0.0017
    60        0.7938             nan     0.0164    0.0012
    80        0.7532             nan     0.0164    0.0007
   100        0.7228             nan     0.0164    0.0007
   120        0.7011             nan     0.0164    0.0005
   140        0.6837             nan     0.0164    0.0003
   160        0.6693             nan     0.0164    0.0003
   180        0.6579             nan     0.0164    0.0003
   200        0.6485             nan     0.0164    0.0002
   220        0.6403             nan     0.0164    0.0001
   240        0.6340             nan     0.0164    0.0001
   260        0.6284             nan     0.0164    0.0001
   280        0.6238             nan     0.0164    0.0001
   300        0.6190             nan     0.0164    0.0001
   320        0.6150             nan     0.0164    0.0001
   340        0.6115             nan     0.0164    0.0000
   360        0.6083             nan     0.0164    0.0000
   380        0.6052             nan     0.0164    0.0000
   400        0.6025             nan     0.0164    0.0000
   420        0.6000             nan     0.0164    0.0000
   440        0.5979             nan     0.0164    0.0000
   460        0.5957             nan     0.0164    0.0000
   480        0.5935             nan     0.0164    0.0000
   500        0.5917             nan     0.0164    0.0000
   520        0.5898             nan     0.0164    0.0000
   540        0.5884             nan     0.0164   -0.0000
   560        0.5866             nan     0.0164    0.0000
   580        0.5853             nan     0.0164   -0.0000
   600        0.5840             nan     0.0164    0.0000
   620        0.5826             nan     0.0164   -0.0000
   640        0.5811             nan     0.0164   -0.0000
   660        0.5800             nan     0.0164    0.0000
   680        0.5788             nan     0.0164   -0.0000
   700        0.5777             nan     0.0164   -0.0000
   720        0.5765             nan     0.0164   -0.0000
   740        0.5755             nan     0.0164    0.0000
   760        0.5746             nan     0.0164    0.0000
   780        0.5738             nan     0.0164    0.0000
   800        0.5729             nan     0.0164    0.0000
   820        0.5720             nan     0.0164    0.0000
   840        0.5712             nan     0.0164   -0.0000
   860        0.5703             nan     0.0164   -0.0000
   880        0.5692             nan     0.0164   -0.0000
   900        0.5683             nan     0.0164   -0.0000
   920        0.5675             nan     0.0164   -0.0000
   940        0.5668             nan     0.0164   -0.0000
   960        0.5661             nan     0.0164    0.0000
   980        0.5652             nan     0.0164    0.0000
   985        0.5651             nan     0.0164    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0898             nan     0.0166    0.0054
     2        1.0796             nan     0.0166    0.0052
     3        1.0699             nan     0.0166    0.0048
     4        1.0605             nan     0.0166    0.0046
     5        1.0516             nan     0.0166    0.0044
     6        1.0430             nan     0.0166    0.0042
     7        1.0345             nan     0.0166    0.0042
     8        1.0263             nan     0.0166    0.0042
     9        1.0185             nan     0.0166    0.0040
    10        1.0109             nan     0.0166    0.0037
    20        0.9467             nan     0.0166    0.0028
    40        0.8588             nan     0.0166    0.0016
    60        0.8031             nan     0.0166    0.0010
    80        0.7659             nan     0.0166    0.0007
   100        0.7383             nan     0.0166    0.0006
   120        0.7167             nan     0.0166    0.0004
   136        0.7022             nan     0.0166    0.0004

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0872             nan     0.0205    0.0066
     2        1.0746             nan     0.0205    0.0062
     3        1.0627             nan     0.0205    0.0059
     4        1.0514             nan     0.0205    0.0057
     5        1.0406             nan     0.0205    0.0054
     6        1.0305             nan     0.0205    0.0050
     7        1.0205             nan     0.0205    0.0049
     8        1.0110             nan     0.0205    0.0048
     9        1.0023             nan     0.0205    0.0044
    10        0.9940             nan     0.0205    0.0043
    20        0.9226             nan     0.0205    0.0031
    40        0.8286             nan     0.0205    0.0018
    60        0.7757             nan     0.0205    0.0009
    80        0.7395             nan     0.0205    0.0008
   100        0.7131             nan     0.0205    0.0006
   120        0.6922             nan     0.0205    0.0003
   140        0.6768             nan     0.0205    0.0002
   160        0.6641             nan     0.0205    0.0002
   180        0.6545             nan     0.0205    0.0002
   200        0.6462             nan     0.0205    0.0002
   220        0.6391             nan     0.0205    0.0001
   240        0.6333             nan     0.0205    0.0001
   260        0.6284             nan     0.0205    0.0001
   280        0.6242             nan     0.0205    0.0001
   300        0.6205             nan     0.0205    0.0000
   320        0.6173             nan     0.0205    0.0000
   340        0.6140             nan     0.0205    0.0000
   360        0.6110             nan     0.0205    0.0001
   380        0.6088             nan     0.0205    0.0000
   400        0.6061             nan     0.0205    0.0001
   420        0.6040             nan     0.0205    0.0000
   440        0.6017             nan     0.0205    0.0000
   460        0.5999             nan     0.0205   -0.0000
   480        0.5981             nan     0.0205    0.0000
   500        0.5964             nan     0.0205    0.0001
   520        0.5949             nan     0.0205    0.0000
   540        0.5933             nan     0.0205    0.0000
   560        0.5919             nan     0.0205    0.0000
   580        0.5906             nan     0.0205    0.0000
   600        0.5895             nan     0.0205    0.0000
   620        0.5885             nan     0.0205    0.0000
   640        0.5872             nan     0.0205    0.0000
   660        0.5861             nan     0.0205   -0.0000
   680        0.5850             nan     0.0205    0.0000
   700        0.5836             nan     0.0205   -0.0000
   720        0.5825             nan     0.0205   -0.0000
   740        0.5816             nan     0.0205   -0.0000
   760        0.5808             nan     0.0205    0.0000
   780        0.5799             nan     0.0205   -0.0000
   800        0.5791             nan     0.0205   -0.0000
   820        0.5783             nan     0.0205    0.0000
   840        0.5773             nan     0.0205    0.0000
   860        0.5765             nan     0.0205    0.0000
   880        0.5757             nan     0.0205    0.0000
   900        0.5750             nan     0.0205   -0.0000
   920        0.5743             nan     0.0205   -0.0000
   940        0.5736             nan     0.0205   -0.0000
   950        0.5733             nan     0.0205    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0801             nan     0.0280    0.0101
     2        1.0609             nan     0.0280    0.0095
     3        1.0435             nan     0.0280    0.0087
     4        1.0266             nan     0.0280    0.0081
     5        1.0112             nan     0.0280    0.0076
     6        0.9970             nan     0.0280    0.0072
     7        0.9837             nan     0.0280    0.0067
     8        0.9710             nan     0.0280    0.0062
     9        0.9588             nan     0.0280    0.0061
    10        0.9475             nan     0.0280    0.0056
    20        0.8609             nan     0.0280    0.0035
    40        0.7631             nan     0.0280    0.0018
    60        0.7068             nan     0.0280    0.0010
    80        0.6740             nan     0.0280    0.0007
   100        0.6516             nan     0.0280    0.0004
   120        0.6351             nan     0.0280    0.0003
   140        0.6238             nan     0.0280    0.0002
   160        0.6140             nan     0.0280    0.0002
   180        0.6064             nan     0.0280    0.0001
   200        0.6001             nan     0.0280    0.0001
   220        0.5942             nan     0.0280    0.0000
   240        0.5892             nan     0.0280   -0.0000
   260        0.5858             nan     0.0280    0.0000
   280        0.5825             nan     0.0280    0.0001
   300        0.5792             nan     0.0280   -0.0000
   320        0.5760             nan     0.0280    0.0001
   340        0.5737             nan     0.0280   -0.0000
   360        0.5714             nan     0.0280   -0.0000
   380        0.5692             nan     0.0280    0.0000
   400        0.5671             nan     0.0280    0.0001
   420        0.5652             nan     0.0280    0.0000
   440        0.5633             nan     0.0280   -0.0000
   460        0.5611             nan     0.0280    0.0001
   480        0.5593             nan     0.0280   -0.0000
   500        0.5578             nan     0.0280   -0.0000
   520        0.5559             nan     0.0280   -0.0000
   540        0.5543             nan     0.0280    0.0000
   560        0.5530             nan     0.0280   -0.0000
   580        0.5516             nan     0.0280   -0.0000
   600        0.5501             nan     0.0280   -0.0000
   620        0.5487             nan     0.0280   -0.0000
   640        0.5474             nan     0.0280    0.0000
   660        0.5460             nan     0.0280   -0.0000
   680        0.5448             nan     0.0280   -0.0000
   700        0.5431             nan     0.0280    0.0000
   720        0.5419             nan     0.0280   -0.0000
   740        0.5404             nan     0.0280   -0.0000
   760        0.5394             nan     0.0280    0.0000
   780        0.5383             nan     0.0280    0.0000
   800        0.5373             nan     0.0280   -0.0000
   820        0.5359             nan     0.0280   -0.0000
   840        0.5348             nan     0.0280   -0.0000
   860        0.5339             nan     0.0280    0.0000
   880        0.5329             nan     0.0280   -0.0000
   900        0.5319             nan     0.0280   -0.0000
   918        0.5310             nan     0.0280   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0892             nan     0.0292    0.0057
     2        1.0783             nan     0.0292    0.0054
     3        1.0682             nan     0.0292    0.0051
     4        1.0582             nan     0.0292    0.0048
     5        1.0493             nan     0.0292    0.0045
     6        1.0410             nan     0.0292    0.0043
     7        1.0329             nan     0.0292    0.0040
     8        1.0259             nan     0.0292    0.0034
     9        1.0183             nan     0.0292    0.0038
    10        1.0120             nan     0.0292    0.0031
    20        0.9538             nan     0.0292    0.0026
    40        0.8772             nan     0.0292    0.0017
    60        0.8284             nan     0.0292    0.0011
    80        0.7951             nan     0.0292    0.0006
   100        0.7687             nan     0.0292    0.0005
   120        0.7477             nan     0.0292    0.0003
   140        0.7304             nan     0.0292    0.0004
   160        0.7155             nan     0.0292    0.0003
   180        0.7034             nan     0.0292    0.0002
   200        0.6926             nan     0.0292    0.0002
   220        0.6840             nan     0.0292    0.0001
   240        0.6757             nan     0.0292    0.0002
   260        0.6688             nan     0.0292    0.0001
   280        0.6627             nan     0.0292    0.0001
   300        0.6577             nan     0.0292    0.0001
   320        0.6533             nan     0.0292    0.0000
   340        0.6495             nan     0.0292    0.0000
   360        0.6459             nan     0.0292    0.0001
   380        0.6425             nan     0.0292    0.0001
   400        0.6396             nan     0.0292    0.0001
   420        0.6370             nan     0.0292    0.0000
   440        0.6346             nan     0.0292    0.0001
   460        0.6326             nan     0.0292    0.0000
   480        0.6306             nan     0.0292    0.0000
   500        0.6285             nan     0.0292    0.0001
   520        0.6269             nan     0.0292    0.0000
   540        0.6254             nan     0.0292    0.0000
   560        0.6240             nan     0.0292    0.0000
   580        0.6226             nan     0.0292    0.0000
   600        0.6212             nan     0.0292    0.0000
   620        0.6197             nan     0.0292    0.0000
   640        0.6184             nan     0.0292    0.0000
   660        0.6172             nan     0.0292    0.0000
   676        0.6163             nan     0.0292   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0793             nan     0.0297    0.0103
     2        1.0601             nan     0.0297    0.0095
     3        1.0424             nan     0.0297    0.0089
     4        1.0260             nan     0.0297    0.0083
     5        1.0108             nan     0.0297    0.0076
     6        0.9965             nan     0.0297    0.0072
     7        0.9832             nan     0.0297    0.0067
     8        0.9703             nan     0.0297    0.0065
     9        0.9585             nan     0.0297    0.0060
    10        0.9472             nan     0.0297    0.0055
    20        0.8633             nan     0.0297    0.0033
    40        0.7667             nan     0.0297    0.0019
    60        0.7122             nan     0.0297    0.0010
    80        0.6782             nan     0.0297    0.0007
   100        0.6566             nan     0.0297    0.0003
   120        0.6418             nan     0.0297    0.0003
   140        0.6302             nan     0.0297    0.0002
   160        0.6211             nan     0.0297    0.0001
   180        0.6133             nan     0.0297    0.0001
   200        0.6072             nan     0.0297    0.0001
   220        0.6017             nan     0.0297    0.0001
   240        0.5974             nan     0.0297    0.0001
   260        0.5938             nan     0.0297    0.0000
   280        0.5901             nan     0.0297    0.0001
   300        0.5868             nan     0.0297    0.0000
   320        0.5845             nan     0.0297    0.0000
   340        0.5818             nan     0.0297   -0.0000
   360        0.5788             nan     0.0297    0.0000
   380        0.5768             nan     0.0297    0.0000
   400        0.5744             nan     0.0297    0.0000
   401        0.5743             nan     0.0297   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0842             nan     0.0300    0.0081
     2        1.0690             nan     0.0300    0.0076
     3        1.0550             nan     0.0300    0.0070
     4        1.0417             nan     0.0300    0.0066
     5        1.0293             nan     0.0300    0.0061
     6        1.0174             nan     0.0300    0.0058
     7        1.0066             nan     0.0300    0.0055
     8        0.9940             nan     0.0300    0.0061
     9        0.9825             nan     0.0300    0.0058
    10        0.9730             nan     0.0300    0.0048
    20        0.8918             nan     0.0300    0.0033
    40        0.8081             nan     0.0300    0.0014
    60        0.7577             nan     0.0300    0.0010
    80        0.7239             nan     0.0300    0.0008
   100        0.6993             nan     0.0300    0.0005
   120        0.6803             nan     0.0300    0.0003
   140        0.6662             nan     0.0300    0.0003
   160        0.6555             nan     0.0300    0.0002
   180        0.6471             nan     0.0300    0.0003
   200        0.6404             nan     0.0300    0.0001
   220        0.6350             nan     0.0300    0.0001
   240        0.6305             nan     0.0300    0.0001
   260        0.6262             nan     0.0300    0.0001
   280        0.6225             nan     0.0300    0.0001
   300        0.6191             nan     0.0300    0.0001
   320        0.6163             nan     0.0300    0.0000
   340        0.6137             nan     0.0300    0.0001
   360        0.6111             nan     0.0300    0.0001
   380        0.6089             nan     0.0300   -0.0000
   400        0.6069             nan     0.0300    0.0000
   420        0.6052             nan     0.0300    0.0000
   440        0.6035             nan     0.0300    0.0000
   460        0.6016             nan     0.0300    0.0000
   480        0.6000             nan     0.0300    0.0000
   500        0.5985             nan     0.0300   -0.0000
   520        0.5970             nan     0.0300    0.0000
   540        0.5957             nan     0.0300    0.0000
   560        0.5944             nan     0.0300   -0.0000
   580        0.5932             nan     0.0300   -0.0000
   600        0.5922             nan     0.0300    0.0000
   620        0.5911             nan     0.0300    0.0000
   640        0.5901             nan     0.0300   -0.0000
   660        0.5892             nan     0.0300   -0.0000
   680        0.5883             nan     0.0300   -0.0000
   700        0.5874             nan     0.0300    0.0000
   720        0.5865             nan     0.0300   -0.0000
   740        0.5855             nan     0.0300   -0.0000
   760        0.5848             nan     0.0300   -0.0000
   780        0.5839             nan     0.0300    0.0000
   800        0.5832             nan     0.0300   -0.0000
   820        0.5824             nan     0.0300   -0.0000
   840        0.5817             nan     0.0300   -0.0000
   860        0.5810             nan     0.0300   -0.0000
   880        0.5803             nan     0.0300    0.0000
   900        0.5797             nan     0.0300   -0.0000
   920        0.5790             nan     0.0300   -0.0000
   940        0.5783             nan     0.0300   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0800             nan     0.0324    0.0101
     2        1.0611             nan     0.0324    0.0093
     3        1.0435             nan     0.0324    0.0088
     4        1.0272             nan     0.0324    0.0081
     5        1.0121             nan     0.0324    0.0074
     6        0.9979             nan     0.0324    0.0071
     7        0.9845             nan     0.0324    0.0065
     8        0.9716             nan     0.0324    0.0064
     9        0.9596             nan     0.0324    0.0059
    10        0.9485             nan     0.0324    0.0056
    20        0.8596             nan     0.0324    0.0037
    40        0.7682             nan     0.0324    0.0014
    60        0.7183             nan     0.0324    0.0008
    80        0.6856             nan     0.0324    0.0006
   100        0.6641             nan     0.0324    0.0004
   120        0.6489             nan     0.0324    0.0003
   140        0.6374             nan     0.0324    0.0001
   160        0.6295             nan     0.0324    0.0001
   180        0.6222             nan     0.0324    0.0000
   195        0.6176             nan     0.0324    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0796             nan     0.0327    0.0102
     2        1.0605             nan     0.0327    0.0096
     3        1.0427             nan     0.0327    0.0087
     4        1.0264             nan     0.0327    0.0081
     5        1.0117             nan     0.0327    0.0074
     6        0.9975             nan     0.0327    0.0071
     7        0.9840             nan     0.0327    0.0069
     8        0.9715             nan     0.0327    0.0062
     9        0.9595             nan     0.0327    0.0060
    10        0.9481             nan     0.0327    0.0056
    20        0.8604             nan     0.0327    0.0037
    40        0.7680             nan     0.0327    0.0014
    60        0.7179             nan     0.0327    0.0010
    80        0.6851             nan     0.0327    0.0005
   100        0.6636             nan     0.0327    0.0004
   120        0.6486             nan     0.0327    0.0004
   140        0.6382             nan     0.0327    0.0001
   160        0.6299             nan     0.0327    0.0001
   180        0.6230             nan     0.0327    0.0001
   200        0.6180             nan     0.0327    0.0000
   220        0.6129             nan     0.0327    0.0001
   240        0.6087             nan     0.0327    0.0001
   260        0.6051             nan     0.0327    0.0000
   280        0.6018             nan     0.0327   -0.0000
   300        0.5987             nan     0.0327    0.0001
   320        0.5962             nan     0.0327   -0.0000
   340        0.5935             nan     0.0327    0.0001
   360        0.5914             nan     0.0327    0.0000
   380        0.5895             nan     0.0327    0.0000
   400        0.5877             nan     0.0327    0.0000
   420        0.5862             nan     0.0327    0.0000
   439        0.5841             nan     0.0327    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0863             nan     0.0359    0.0070
     2        1.0730             nan     0.0359    0.0065
     3        1.0610             nan     0.0359    0.0060
     4        1.0497             nan     0.0359    0.0056
     5        1.0391             nan     0.0359    0.0052
     6        1.0294             nan     0.0359    0.0049
     7        1.0203             nan     0.0359    0.0045
     8        1.0117             nan     0.0359    0.0042
     9        1.0041             nan     0.0359    0.0037
    10        0.9958             nan     0.0359    0.0042
    20        0.9318             nan     0.0359    0.0030
    40        0.8523             nan     0.0359    0.0018
    60        0.8045             nan     0.0359    0.0011
    80        0.7709             nan     0.0359    0.0008
   100        0.7451             nan     0.0359    0.0007
   120        0.7248             nan     0.0359    0.0005
   140        0.7084             nan     0.0359    0.0004
   160        0.6946             nan     0.0359    0.0002
   180        0.6834             nan     0.0359    0.0003
   200        0.6733             nan     0.0359    0.0002
   220        0.6658             nan     0.0359    0.0002
   240        0.6588             nan     0.0359    0.0001
   260        0.6522             nan     0.0359    0.0001
   280        0.6474             nan     0.0359    0.0001
   300        0.6435             nan     0.0359    0.0001
   320        0.6395             nan     0.0359    0.0001
   340        0.6367             nan     0.0359    0.0000
   360        0.6336             nan     0.0359    0.0000
   380        0.6312             nan     0.0359    0.0000
   400        0.6291             nan     0.0359    0.0000
   420        0.6270             nan     0.0359    0.0000
   440        0.6248             nan     0.0359    0.0000
   460        0.6232             nan     0.0359    0.0000
   480        0.6214             nan     0.0359    0.0000
   500        0.6197             nan     0.0359    0.0000
   520        0.6183             nan     0.0359    0.0000
   540        0.6171             nan     0.0359    0.0000
   560        0.6158             nan     0.0359   -0.0000
   580        0.6146             nan     0.0359    0.0000
   600        0.6133             nan     0.0359    0.0000
   620        0.6120             nan     0.0359    0.0000
   640        0.6109             nan     0.0359    0.0000
   660        0.6099             nan     0.0359    0.0000
   680        0.6089             nan     0.0359    0.0000
   700        0.6079             nan     0.0359    0.0000
   720        0.6070             nan     0.0359    0.0000
   740        0.6058             nan     0.0359   -0.0000
   760        0.6050             nan     0.0359   -0.0000
   780        0.6041             nan     0.0359   -0.0000
   800        0.6034             nan     0.0359    0.0000
   820        0.6025             nan     0.0359    0.0000
   840        0.6018             nan     0.0359   -0.0000
   855        0.6014             nan     0.0359   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0742             nan     0.0373    0.0133
     2        1.0510             nan     0.0373    0.0117
     3        1.0295             nan     0.0373    0.0107
     4        1.0097             nan     0.0373    0.0098
     5        0.9920             nan     0.0373    0.0089
     6        0.9754             nan     0.0373    0.0080
     7        0.9603             nan     0.0373    0.0075
     8        0.9463             nan     0.0373    0.0069
     9        0.9335             nan     0.0373    0.0064
    10        0.9212             nan     0.0373    0.0063
    20        0.8306             nan     0.0373    0.0036
    40        0.7347             nan     0.0373    0.0016
    60        0.6843             nan     0.0373    0.0009
    80        0.6557             nan     0.0373    0.0004
   100        0.6381             nan     0.0373    0.0002
   120        0.6260             nan     0.0373    0.0002
   140        0.6171             nan     0.0373    0.0002
   160        0.6099             nan     0.0373    0.0001
   180        0.6046             nan     0.0373    0.0001
   200        0.5997             nan     0.0373    0.0001
   220        0.5957             nan     0.0373    0.0000
   240        0.5923             nan     0.0373    0.0000
   260        0.5894             nan     0.0373    0.0000
   280        0.5871             nan     0.0373   -0.0000
   300        0.5843             nan     0.0373   -0.0000
   320        0.5817             nan     0.0373   -0.0000
   340        0.5794             nan     0.0373    0.0000
   360        0.5774             nan     0.0373    0.0000
   380        0.5754             nan     0.0373   -0.0000
   400        0.5736             nan     0.0373   -0.0000
   420        0.5721             nan     0.0373   -0.0000
   440        0.5704             nan     0.0373    0.0000
   460        0.5690             nan     0.0373    0.0000
   480        0.5678             nan     0.0373   -0.0000
   500        0.5662             nan     0.0373   -0.0000
   520        0.5649             nan     0.0373   -0.0000
   527        0.5643             nan     0.0373    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0734             nan     0.0379    0.0133
     2        1.0497             nan     0.0379    0.0122
     3        1.0287             nan     0.0379    0.0106
     4        1.0090             nan     0.0379    0.0099
     5        0.9909             nan     0.0379    0.0092
     6        0.9740             nan     0.0379    0.0082
     7        0.9593             nan     0.0379    0.0077
     8        0.9451             nan     0.0379    0.0072
     9        0.9319             nan     0.0379    0.0065
    10        0.9197             nan     0.0379    0.0063
    20        0.8293             nan     0.0379    0.0033
    40        0.7325             nan     0.0379    0.0017
    60        0.6842             nan     0.0379    0.0009
    80        0.6554             nan     0.0379    0.0007
   100        0.6376             nan     0.0379    0.0003
   120        0.6251             nan     0.0379    0.0002
   140        0.6160             nan     0.0379    0.0002
   160        0.6088             nan     0.0379    0.0001
   180        0.6029             nan     0.0379    0.0000
   200        0.5980             nan     0.0379    0.0000
   220        0.5939             nan     0.0379    0.0001
   240        0.5902             nan     0.0379    0.0000
   260        0.5870             nan     0.0379    0.0000
   280        0.5838             nan     0.0379    0.0000
   300        0.5810             nan     0.0379    0.0001
   320        0.5785             nan     0.0379    0.0001
   340        0.5762             nan     0.0379    0.0000
   342        0.5760             nan     0.0379   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0752             nan     0.0398    0.0125
     2        1.0526             nan     0.0398    0.0114
     3        1.0321             nan     0.0398    0.0105
     4        1.0133             nan     0.0398    0.0093
     5        0.9954             nan     0.0398    0.0089
     6        0.9789             nan     0.0398    0.0081
     7        0.9638             nan     0.0398    0.0075
     8        0.9496             nan     0.0398    0.0071
     9        0.9367             nan     0.0398    0.0064
    10        0.9249             nan     0.0398    0.0057
    20        0.8301             nan     0.0398    0.0036
    40        0.7415             nan     0.0398    0.0015
    60        0.6933             nan     0.0398    0.0008
    80        0.6648             nan     0.0398    0.0006
   100        0.6456             nan     0.0398    0.0003
   120        0.6335             nan     0.0398    0.0002
   140        0.6243             nan     0.0398    0.0002
   160        0.6171             nan     0.0398    0.0001
   180        0.6114             nan     0.0398    0.0000
   200        0.6058             nan     0.0398    0.0000
   220        0.6018             nan     0.0398    0.0000
   240        0.5978             nan     0.0398    0.0000
   260        0.5946             nan     0.0398   -0.0000
   280        0.5912             nan     0.0398    0.0001
   300        0.5884             nan     0.0398    0.0000
   320        0.5863             nan     0.0398    0.0000
   340        0.5845             nan     0.0398   -0.0000
   360        0.5823             nan     0.0398    0.0001
   380        0.5805             nan     0.0398   -0.0000
   400        0.5784             nan     0.0398   -0.0000
   420        0.5765             nan     0.0398    0.0000
   440        0.5745             nan     0.0398   -0.0000
   460        0.5729             nan     0.0398    0.0001
   480        0.5715             nan     0.0398   -0.0000
   500        0.5702             nan     0.0398   -0.0000
   520        0.5687             nan     0.0398    0.0000
   540        0.5673             nan     0.0398    0.0001
   560        0.5660             nan     0.0398    0.0001
   580        0.5647             nan     0.0398   -0.0000
   600        0.5637             nan     0.0398    0.0000
   620        0.5628             nan     0.0398   -0.0000
   640        0.5620             nan     0.0398   -0.0000
   660        0.5606             nan     0.0398   -0.0000
   680        0.5597             nan     0.0398   -0.0000
   700        0.5582             nan     0.0398   -0.0000
   720        0.5572             nan     0.0398   -0.0000
   740        0.5561             nan     0.0398   -0.0000
   760        0.5552             nan     0.0398    0.0000
   780        0.5545             nan     0.0398   -0.0000
   800        0.5537             nan     0.0398   -0.0000
   820        0.5529             nan     0.0398   -0.0000
   840        0.5522             nan     0.0398   -0.0000
   860        0.5514             nan     0.0398   -0.0000
   880        0.5504             nan     0.0398   -0.0000
   900        0.5495             nan     0.0398    0.0001
   919        0.5489             nan     0.0398   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0845             nan     0.0410    0.0080
     2        1.0697             nan     0.0410    0.0073
     3        1.0566             nan     0.0410    0.0068
     4        1.0441             nan     0.0410    0.0062
     5        1.0326             nan     0.0410    0.0057
     6        1.0227             nan     0.0410    0.0047
     7        1.0125             nan     0.0410    0.0052
     8        1.0025             nan     0.0410    0.0048
     9        0.9943             nan     0.0410    0.0041
    10        0.9854             nan     0.0410    0.0044
    20        0.9208             nan     0.0410    0.0023
    40        0.8372             nan     0.0410    0.0012
    60        0.7887             nan     0.0410    0.0012
    80        0.7556             nan     0.0410    0.0007
   100        0.7301             nan     0.0410    0.0006
   120        0.7094             nan     0.0410    0.0005
   140        0.6942             nan     0.0410    0.0004
   160        0.6813             nan     0.0410    0.0002
   180        0.6714             nan     0.0410    0.0001
   200        0.6620             nan     0.0410    0.0002
   220        0.6548             nan     0.0410    0.0001
   240        0.6493             nan     0.0410    0.0001
   260        0.6441             nan     0.0410    0.0001
   280        0.6403             nan     0.0410    0.0001
   284        0.6397             nan     0.0410    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0674             nan     0.0452    0.0165
     2        1.0382             nan     0.0452    0.0144
     3        1.0129             nan     0.0452    0.0125
     4        0.9900             nan     0.0452    0.0114
     5        0.9692             nan     0.0452    0.0105
     6        0.9500             nan     0.0452    0.0093
     7        0.9329             nan     0.0452    0.0087
     8        0.9170             nan     0.0452    0.0077
     9        0.9020             nan     0.0452    0.0072
    10        0.8887             nan     0.0452    0.0066
    20        0.7927             nan     0.0452    0.0036
    40        0.6994             nan     0.0452    0.0011
    60        0.6529             nan     0.0452    0.0009
    80        0.6305             nan     0.0452    0.0006
   100        0.6143             nan     0.0452    0.0002
   120        0.6029             nan     0.0452    0.0004
   140        0.5942             nan     0.0452    0.0000
   160        0.5876             nan     0.0452    0.0000
   180        0.5827             nan     0.0452   -0.0000
   200        0.5772             nan     0.0452    0.0000
   220        0.5735             nan     0.0452   -0.0000
   240        0.5696             nan     0.0452   -0.0000
   260        0.5668             nan     0.0452    0.0001
   280        0.5637             nan     0.0452   -0.0001
   300        0.5610             nan     0.0452   -0.0000
   302        0.5608             nan     0.0452   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0821             nan     0.0466    0.0091
     2        1.0655             nan     0.0466    0.0082
     3        1.0503             nan     0.0466    0.0074
     4        1.0365             nan     0.0466    0.0067
     5        1.0245             nan     0.0466    0.0062
     6        1.0134             nan     0.0466    0.0055
     7        1.0023             nan     0.0466    0.0056
     8        0.9932             nan     0.0466    0.0044
     9        0.9829             nan     0.0466    0.0050
    10        0.9736             nan     0.0466    0.0046
    20        0.9035             nan     0.0466    0.0032
    40        0.8210             nan     0.0466    0.0011
    60        0.7726             nan     0.0466    0.0011
    80        0.7398             nan     0.0466    0.0006
   100        0.7161             nan     0.0466    0.0004
   120        0.6965             nan     0.0466    0.0003
   140        0.6821             nan     0.0466    0.0003
   160        0.6699             nan     0.0466    0.0003
   180        0.6603             nan     0.0466    0.0001
   200        0.6529             nan     0.0466    0.0002
   220        0.6467             nan     0.0466    0.0002
   240        0.6417             nan     0.0466    0.0001
   260        0.6376             nan     0.0466    0.0001
   280        0.6331             nan     0.0466    0.0002
   300        0.6303             nan     0.0466    0.0000
   320        0.6274             nan     0.0466    0.0000
   340        0.6248             nan     0.0466    0.0000
   360        0.6226             nan     0.0466    0.0000
   380        0.6205             nan     0.0466    0.0000
   386        0.6200             nan     0.0466    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0680             nan     0.0467    0.0162
     2        1.0392             nan     0.0467    0.0141
     3        1.0135             nan     0.0467    0.0125
     4        0.9904             nan     0.0467    0.0112
     5        0.9698             nan     0.0467    0.0104
     6        0.9512             nan     0.0467    0.0091
     7        0.9345             nan     0.0467    0.0084
     8        0.9188             nan     0.0467    0.0076
     9        0.9048             nan     0.0467    0.0070
    10        0.8915             nan     0.0467    0.0065
    20        0.8000             nan     0.0467    0.0031
    40        0.7052             nan     0.0467    0.0017
    60        0.6626             nan     0.0467    0.0006
    80        0.6372             nan     0.0467    0.0005
   100        0.6216             nan     0.0467    0.0003
   120        0.6110             nan     0.0467    0.0002
   140        0.6030             nan     0.0467    0.0001
   160        0.5963             nan     0.0467    0.0002
   180        0.5903             nan     0.0467    0.0001
   200        0.5858             nan     0.0467   -0.0000
   220        0.5823             nan     0.0467    0.0000
   240        0.5781             nan     0.0467    0.0000
   260        0.5753             nan     0.0467    0.0000
   280        0.5723             nan     0.0467   -0.0000
   300        0.5698             nan     0.0467   -0.0000
   320        0.5672             nan     0.0467   -0.0000
   340        0.5651             nan     0.0467   -0.0000
   360        0.5631             nan     0.0467   -0.0000
   380        0.5611             nan     0.0467   -0.0000
   400        0.5591             nan     0.0467   -0.0001
   420        0.5574             nan     0.0467    0.0000
   440        0.5558             nan     0.0467   -0.0000
   460        0.5545             nan     0.0467   -0.0000
   480        0.5528             nan     0.0467   -0.0000
   500        0.5511             nan     0.0467   -0.0000
   520        0.5497             nan     0.0467   -0.0000
   540        0.5484             nan     0.0467   -0.0000
   560        0.5472             nan     0.0467   -0.0000
   580        0.5461             nan     0.0467   -0.0000
   600        0.5445             nan     0.0467   -0.0000
   620        0.5436             nan     0.0467   -0.0000
   640        0.5423             nan     0.0467   -0.0000
   660        0.5412             nan     0.0467   -0.0000
   680        0.5401             nan     0.0467   -0.0000
   700        0.5390             nan     0.0467   -0.0000
   720        0.5378             nan     0.0467   -0.0000
   740        0.5366             nan     0.0467   -0.0000
   753        0.5359             nan     0.0467   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0687             nan     0.0497    0.0157
     2        1.0414             nan     0.0497    0.0136
     3        1.0168             nan     0.0497    0.0123
     4        0.9947             nan     0.0497    0.0109
     5        0.9751             nan     0.0497    0.0100
     6        0.9565             nan     0.0497    0.0091
     7        0.9398             nan     0.0497    0.0081
     8        0.9245             nan     0.0497    0.0077
     9        0.9085             nan     0.0497    0.0081
    10        0.8937             nan     0.0497    0.0073
    20        0.8030             nan     0.0497    0.0030
    40        0.7148             nan     0.0497    0.0015
    60        0.6708             nan     0.0497    0.0009
    80        0.6472             nan     0.0497    0.0002
   100        0.6311             nan     0.0497    0.0002
   120        0.6199             nan     0.0497    0.0001
   140        0.6124             nan     0.0497    0.0000
   160        0.6063             nan     0.0497    0.0001
   180        0.6016             nan     0.0497    0.0001
   200        0.5964             nan     0.0497    0.0001
   220        0.5928             nan     0.0497    0.0001
   240        0.5886             nan     0.0497   -0.0000
   260        0.5860             nan     0.0497    0.0000
   280        0.5832             nan     0.0497   -0.0000
   300        0.5807             nan     0.0497   -0.0000
   320        0.5785             nan     0.0497    0.0000
   340        0.5762             nan     0.0497    0.0000
   360        0.5742             nan     0.0497    0.0000
   380        0.5724             nan     0.0497    0.0000
   400        0.5708             nan     0.0497    0.0001
   420        0.5695             nan     0.0497    0.0000
   440        0.5676             nan     0.0497   -0.0000
   460        0.5661             nan     0.0497   -0.0000
   480        0.5647             nan     0.0497   -0.0000
   500        0.5630             nan     0.0497   -0.0000
   520        0.5617             nan     0.0497   -0.0000
   540        0.5604             nan     0.0497   -0.0000
   553        0.5596             nan     0.0497   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0731             nan     0.0500    0.0133
     2        1.0496             nan     0.0500    0.0119
     3        1.0285             nan     0.0500    0.0106
     4        1.0089             nan     0.0500    0.0097
     5        0.9918             nan     0.0500    0.0086
     6        0.9748             nan     0.0500    0.0081
     7        0.9608             nan     0.0500    0.0072
     8        0.9441             nan     0.0500    0.0083
     9        0.9319             nan     0.0500    0.0059
    10        0.9176             nan     0.0500    0.0071
    20        0.8304             nan     0.0500    0.0027
    40        0.7440             nan     0.0500    0.0012
    60        0.6984             nan     0.0500    0.0008
    80        0.6698             nan     0.0500    0.0004
   100        0.6519             nan     0.0500    0.0002
   120        0.6400             nan     0.0500    0.0003
   140        0.6309             nan     0.0500    0.0001
   160        0.6241             nan     0.0500    0.0001
   180        0.6186             nan     0.0500    0.0001
   200        0.6145             nan     0.0500    0.0001
   220        0.6104             nan     0.0500    0.0000
   240        0.6066             nan     0.0500    0.0001
   260        0.6035             nan     0.0500    0.0000
   280        0.6006             nan     0.0500    0.0000
   300        0.5983             nan     0.0500   -0.0000
   320        0.5962             nan     0.0500   -0.0000
   340        0.5939             nan     0.0500    0.0001
   360        0.5923             nan     0.0500    0.0000
   380        0.5904             nan     0.0500    0.0001
   400        0.5888             nan     0.0500   -0.0001
   420        0.5870             nan     0.0500    0.0000
   440        0.5859             nan     0.0500   -0.0000
   460        0.5845             nan     0.0500    0.0000
   480        0.5831             nan     0.0500   -0.0000
   500        0.5818             nan     0.0500   -0.0000
   520        0.5807             nan     0.0500   -0.0000
   540        0.5794             nan     0.0500   -0.0000
   560        0.5783             nan     0.0500    0.0000
   580        0.5773             nan     0.0500   -0.0000
   600        0.5761             nan     0.0500    0.0001
   620        0.5746             nan     0.0500   -0.0000
   640        0.5737             nan     0.0500    0.0000
   660        0.5727             nan     0.0500   -0.0001
   680        0.5716             nan     0.0500   -0.0000
   700        0.5708             nan     0.0500   -0.0000
   720        0.5701             nan     0.0500   -0.0000
   740        0.5690             nan     0.0500    0.0000
   760        0.5680             nan     0.0500    0.0000
   780        0.5671             nan     0.0500   -0.0000
   800        0.5664             nan     0.0500    0.0000
   820        0.5654             nan     0.0500   -0.0000
   840        0.5647             nan     0.0500    0.0000
   860        0.5641             nan     0.0500   -0.0000
   880        0.5635             nan     0.0500   -0.0000
   900        0.5630             nan     0.0500   -0.0000
   907        0.5629             nan     0.0500   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0716             nan     0.0528    0.0145
     2        1.0468             nan     0.0528    0.0125
     3        1.0243             nan     0.0528    0.0110
     4        1.0042             nan     0.0528    0.0100
     5        0.9854             nan     0.0528    0.0091
     6        0.9690             nan     0.0528    0.0080
     7        0.9539             nan     0.0528    0.0075
     8        0.9368             nan     0.0528    0.0083
     9        0.9214             nan     0.0528    0.0078
    10        0.9078             nan     0.0528    0.0069
    20        0.8223             nan     0.0528    0.0028
    40        0.7373             nan     0.0528    0.0015
    60        0.6936             nan     0.0528    0.0008
    80        0.6656             nan     0.0528    0.0006
   100        0.6478             nan     0.0528    0.0003
   120        0.6364             nan     0.0528    0.0002
   140        0.6283             nan     0.0528    0.0000
   160        0.6219             nan     0.0528    0.0002
   180        0.6160             nan     0.0528    0.0001
   200        0.6117             nan     0.0528    0.0001
   220        0.6075             nan     0.0528    0.0000
   225        0.6066             nan     0.0528    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0711             nan     0.0536    0.0148
     2        1.0463             nan     0.0536    0.0124
     3        1.0234             nan     0.0536    0.0113
     4        1.0030             nan     0.0536    0.0103
     5        0.9845             nan     0.0536    0.0088
     6        0.9679             nan     0.0536    0.0079
     7        0.9497             nan     0.0536    0.0092
     8        0.9356             nan     0.0536    0.0070
     9        0.9200             nan     0.0536    0.0077
    10        0.9060             nan     0.0536    0.0069
    20        0.8190             nan     0.0536    0.0030
    40        0.7365             nan     0.0536    0.0011
    60        0.6903             nan     0.0536    0.0010
    80        0.6632             nan     0.0536    0.0005
   100        0.6474             nan     0.0536    0.0002
   120        0.6352             nan     0.0536    0.0003
   140        0.6273             nan     0.0536    0.0001
   160        0.6209             nan     0.0536    0.0001
   180        0.6158             nan     0.0536    0.0000
   200        0.6111             nan     0.0536    0.0000
   220        0.6074             nan     0.0536    0.0000
   240        0.6044             nan     0.0536    0.0000
   260        0.6017             nan     0.0536    0.0000
   280        0.5990             nan     0.0536    0.0001
   283        0.5985             nan     0.0536    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0797             nan     0.0552    0.0107
     2        1.0609             nan     0.0552    0.0096
     3        1.0437             nan     0.0552    0.0085
     4        1.0282             nan     0.0552    0.0076
     5        1.0142             nan     0.0552    0.0068
     6        1.0016             nan     0.0552    0.0065
     7        0.9910             nan     0.0552    0.0051
     8        0.9792             nan     0.0552    0.0060
     9        0.9682             nan     0.0552    0.0054
    10        0.9597             nan     0.0552    0.0042
    20        0.8840             nan     0.0552    0.0031
    40        0.8009             nan     0.0552    0.0014
    60        0.7528             nan     0.0552    0.0011
    80        0.7206             nan     0.0552    0.0009
   100        0.6988             nan     0.0552    0.0004
   120        0.6801             nan     0.0552    0.0004
   140        0.6672             nan     0.0552    0.0005
   160        0.6557             nan     0.0552    0.0003
   180        0.6485             nan     0.0552    0.0001
   200        0.6424             nan     0.0552    0.0002
   220        0.6368             nan     0.0552    0.0001
   240        0.6326             nan     0.0552    0.0001
   260        0.6291             nan     0.0552    0.0000
   280        0.6262             nan     0.0552    0.0000
   300        0.6231             nan     0.0552    0.0001
   320        0.6205             nan     0.0552    0.0000
   340        0.6181             nan     0.0552    0.0001
   360        0.6160             nan     0.0552    0.0000
   380        0.6142             nan     0.0552   -0.0000
   400        0.6120             nan     0.0552    0.0001
   420        0.6102             nan     0.0552    0.0000
   440        0.6086             nan     0.0552   -0.0000
   460        0.6070             nan     0.0552   -0.0000
   480        0.6055             nan     0.0552    0.0000
   500        0.6041             nan     0.0552    0.0000
   520        0.6029             nan     0.0552    0.0000
   540        0.6016             nan     0.0552   -0.0000
   560        0.6006             nan     0.0552   -0.0000
   580        0.5998             nan     0.0552    0.0000
   600        0.5989             nan     0.0552   -0.0000
   620        0.5980             nan     0.0552    0.0000
   640        0.5971             nan     0.0552   -0.0000
   660        0.5962             nan     0.0552    0.0000
   680        0.5956             nan     0.0552   -0.0000
   700        0.5948             nan     0.0552   -0.0000
   720        0.5942             nan     0.0552   -0.0000
   740        0.5935             nan     0.0552   -0.0000
   760        0.5931             nan     0.0552   -0.0000
   780        0.5924             nan     0.0552   -0.0000
   800        0.5917             nan     0.0552   -0.0000
   820        0.5912             nan     0.0552   -0.0000
   840        0.5905             nan     0.0552   -0.0000
   860        0.5900             nan     0.0552   -0.0000
   880        0.5896             nan     0.0552   -0.0000
   900        0.5892             nan     0.0552   -0.0000
   920        0.5886             nan     0.0552   -0.0000
   940        0.5882             nan     0.0552   -0.0000
   956        0.5878             nan     0.0552   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0699             nan     0.0555    0.0150
     2        1.0438             nan     0.0555    0.0131
     3        1.0213             nan     0.0555    0.0113
     4        1.0002             nan     0.0555    0.0105
     5        0.9817             nan     0.0555    0.0094
     6        0.9650             nan     0.0555    0.0082
     7        0.9454             nan     0.0555    0.0094
     8        0.9285             nan     0.0555    0.0085
     9        0.9133             nan     0.0555    0.0077
    10        0.9012             nan     0.0555    0.0058
    20        0.8156             nan     0.0555    0.0030
    40        0.7320             nan     0.0555    0.0011
    60        0.6883             nan     0.0555    0.0008
    80        0.6626             nan     0.0555    0.0004
   100        0.6462             nan     0.0555    0.0002
   120        0.6347             nan     0.0555    0.0002
   140        0.6264             nan     0.0555    0.0002
   160        0.6203             nan     0.0555    0.0001
   180        0.6151             nan     0.0555    0.0002
   200        0.6108             nan     0.0555    0.0001
   220        0.6070             nan     0.0555    0.0000
   240        0.6034             nan     0.0555    0.0000
   260        0.6008             nan     0.0555    0.0000
   280        0.5985             nan     0.0555   -0.0000
   300        0.5961             nan     0.0555    0.0000
   320        0.5937             nan     0.0555    0.0000
   340        0.5918             nan     0.0555   -0.0000
   360        0.5898             nan     0.0555    0.0000
   380        0.5880             nan     0.0555    0.0000
   400        0.5860             nan     0.0555   -0.0000
   420        0.5844             nan     0.0555    0.0001
   440        0.5828             nan     0.0555    0.0001
   460        0.5815             nan     0.0555    0.0000
   480        0.5801             nan     0.0555   -0.0000
   493        0.5792             nan     0.0555   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0591             nan     0.0614    0.0208
     2        1.0232             nan     0.0614    0.0179
     3        0.9925             nan     0.0614    0.0152
     4        0.9658             nan     0.0614    0.0134
     5        0.9423             nan     0.0614    0.0118
     6        0.9212             nan     0.0614    0.0102
     7        0.9017             nan     0.0614    0.0096
     8        0.8851             nan     0.0614    0.0083
     9        0.8698             nan     0.0614    0.0076
    10        0.8561             nan     0.0614    0.0068
    20        0.7580             nan     0.0614    0.0036
    40        0.6730             nan     0.0614    0.0012
    60        0.6392             nan     0.0614    0.0007
    80        0.6210             nan     0.0614    0.0002
   100        0.6091             nan     0.0614    0.0001
   120        0.6010             nan     0.0614    0.0001
   140        0.5949             nan     0.0614   -0.0000
   160        0.5895             nan     0.0614    0.0001
   180        0.5855             nan     0.0614   -0.0000
   200        0.5817             nan     0.0614    0.0001
   220        0.5786             nan     0.0614    0.0000
   240        0.5760             nan     0.0614   -0.0000
   260        0.5732             nan     0.0614   -0.0001
   280        0.5706             nan     0.0614   -0.0001
   300        0.5684             nan     0.0614    0.0000
   320        0.5665             nan     0.0614   -0.0000
   340        0.5641             nan     0.0614   -0.0000
   360        0.5622             nan     0.0614   -0.0000
   380        0.5604             nan     0.0614   -0.0000
   400        0.5588             nan     0.0614   -0.0001
   420        0.5572             nan     0.0614   -0.0000
   436        0.5559             nan     0.0614   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0545             nan     0.0636    0.0230
     2        1.0161             nan     0.0636    0.0187
     3        0.9838             nan     0.0636    0.0163
     4        0.9554             nan     0.0636    0.0141
     5        0.9305             nan     0.0636    0.0124
     6        0.9087             nan     0.0636    0.0109
     7        0.8889             nan     0.0636    0.0099
     8        0.8715             nan     0.0636    0.0086
     9        0.8557             nan     0.0636    0.0080
    10        0.8410             nan     0.0636    0.0073
    20        0.7424             nan     0.0636    0.0032
    40        0.6595             nan     0.0636    0.0010
    60        0.6254             nan     0.0636    0.0006
    80        0.6059             nan     0.0636    0.0004
   100        0.5934             nan     0.0636    0.0001
   120        0.5855             nan     0.0636    0.0001
   140        0.5793             nan     0.0636    0.0000
   160        0.5727             nan     0.0636    0.0001
   180        0.5666             nan     0.0636   -0.0001
   200        0.5629             nan     0.0636   -0.0000
   220        0.5591             nan     0.0636    0.0000
   240        0.5557             nan     0.0636   -0.0000
   260        0.5523             nan     0.0636   -0.0001
   280        0.5492             nan     0.0636   -0.0000
   300        0.5467             nan     0.0636   -0.0000
   320        0.5441             nan     0.0636   -0.0001
   340        0.5420             nan     0.0636   -0.0001
   360        0.5399             nan     0.0636   -0.0000
   380        0.5379             nan     0.0636   -0.0001
   400        0.5360             nan     0.0636   -0.0000
   420        0.5340             nan     0.0636   -0.0000
   440        0.5320             nan     0.0636   -0.0001
   460        0.5302             nan     0.0636   -0.0001
   480        0.5279             nan     0.0636   -0.0001
   500        0.5259             nan     0.0636   -0.0000
   520        0.5240             nan     0.0636   -0.0001
   540        0.5225             nan     0.0636   -0.0001
   560        0.5207             nan     0.0636   -0.0000
   580        0.5191             nan     0.0636   -0.0000
   586        0.5186             nan     0.0636   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0539             nan     0.0644    0.0231
     2        1.0159             nan     0.0644    0.0189
     3        0.9829             nan     0.0644    0.0165
     4        0.9547             nan     0.0644    0.0140
     5        0.9294             nan     0.0644    0.0126
     6        0.9077             nan     0.0644    0.0110
     7        0.8875             nan     0.0644    0.0098
     8        0.8698             nan     0.0644    0.0088
     9        0.8538             nan     0.0644    0.0079
    10        0.8396             nan     0.0644    0.0070
    20        0.7405             nan     0.0644    0.0036
    40        0.6564             nan     0.0644    0.0011
    60        0.6247             nan     0.0644    0.0003
    80        0.6062             nan     0.0644    0.0002
   100        0.5943             nan     0.0644    0.0000
   120        0.5855             nan     0.0644    0.0000
   140        0.5793             nan     0.0644    0.0001
   160        0.5734             nan     0.0644    0.0000
   180        0.5691             nan     0.0644   -0.0000
   200        0.5649             nan     0.0644   -0.0000
   220        0.5615             nan     0.0644   -0.0001
   240        0.5578             nan     0.0644    0.0000
   260        0.5554             nan     0.0644   -0.0001
   280        0.5528             nan     0.0644   -0.0000
   300        0.5504             nan     0.0644   -0.0001
   320        0.5476             nan     0.0644   -0.0000
   340        0.5453             nan     0.0644   -0.0001
   360        0.5430             nan     0.0644   -0.0000
   380        0.5411             nan     0.0644   -0.0000
   400        0.5390             nan     0.0644    0.0000
   420        0.5367             nan     0.0644   -0.0001
   440        0.5350             nan     0.0644   -0.0001
   460        0.5336             nan     0.0644   -0.0000
   480        0.5318             nan     0.0644   -0.0000
   500        0.5301             nan     0.0644   -0.0000
   520        0.5288             nan     0.0644   -0.0001
   540        0.5270             nan     0.0644   -0.0001
   560        0.5256             nan     0.0644   -0.0000
   580        0.5241             nan     0.0644   -0.0001
   600        0.5227             nan     0.0644   -0.0001
   620        0.5213             nan     0.0644   -0.0001
   640        0.5199             nan     0.0644   -0.0001
   660        0.5184             nan     0.0644   -0.0000
   680        0.5173             nan     0.0644   -0.0001
   700        0.5160             nan     0.0644   -0.0001
   720        0.5146             nan     0.0644   -0.0001
   740        0.5135             nan     0.0644   -0.0000
   760        0.5124             nan     0.0644   -0.0000
   780        0.5112             nan     0.0644   -0.0001
   800        0.5097             nan     0.0644   -0.0001
   820        0.5086             nan     0.0644   -0.0001
   840        0.5075             nan     0.0644   -0.0001
   860        0.5063             nan     0.0644   -0.0001
   880        0.5050             nan     0.0644   -0.0001
   897        0.5041             nan     0.0644   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0546             nan     0.0662    0.0232
     2        1.0168             nan     0.0662    0.0189
     3        0.9851             nan     0.0662    0.0160
     4        0.9572             nan     0.0662    0.0141
     5        0.9332             nan     0.0662    0.0121
     6        0.9117             nan     0.0662    0.0106
     7        0.8924             nan     0.0662    0.0093
     8        0.8753             nan     0.0662    0.0084
     9        0.8604             nan     0.0662    0.0075
    10        0.8472             nan     0.0662    0.0067
    20        0.7474             nan     0.0662    0.0035
    40        0.6678             nan     0.0662    0.0009
    60        0.6355             nan     0.0662    0.0005
    80        0.6168             nan     0.0662    0.0004
   100        0.6056             nan     0.0662    0.0001
   120        0.5985             nan     0.0662    0.0001
   140        0.5931             nan     0.0662    0.0000
   160        0.5883             nan     0.0662    0.0001
   180        0.5839             nan     0.0662   -0.0000
   200        0.5806             nan     0.0662   -0.0000
   220        0.5772             nan     0.0662    0.0001
   240        0.5747             nan     0.0662    0.0000
   260        0.5719             nan     0.0662    0.0000
   280        0.5698             nan     0.0662    0.0000
   300        0.5676             nan     0.0662   -0.0001
   320        0.5659             nan     0.0662   -0.0000
   340        0.5637             nan     0.0662   -0.0001
   354        0.5625             nan     0.0662   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0550             nan     0.0663    0.0234
     2        1.0168             nan     0.0663    0.0191
     3        0.9843             nan     0.0663    0.0161
     4        0.9566             nan     0.0663    0.0137
     5        0.9309             nan     0.0663    0.0127
     6        0.9095             nan     0.0663    0.0105
     7        0.8903             nan     0.0663    0.0097
     8        0.8732             nan     0.0663    0.0084
     9        0.8584             nan     0.0663    0.0073
    10        0.8439             nan     0.0663    0.0072
    20        0.7471             nan     0.0663    0.0031
    40        0.6646             nan     0.0663    0.0011
    60        0.6315             nan     0.0663    0.0003
    80        0.6135             nan     0.0663    0.0002
   100        0.6018             nan     0.0663    0.0001
   120        0.5934             nan     0.0663    0.0001
   140        0.5867             nan     0.0663   -0.0000
   160        0.5803             nan     0.0663    0.0001
   180        0.5757             nan     0.0663    0.0001
   200        0.5712             nan     0.0663   -0.0000
   220        0.5678             nan     0.0663   -0.0000
   240        0.5640             nan     0.0663   -0.0000
   260        0.5607             nan     0.0663   -0.0000
   280        0.5583             nan     0.0663    0.0000
   300        0.5552             nan     0.0663   -0.0000
   320        0.5531             nan     0.0663    0.0001
   340        0.5502             nan     0.0663    0.0000
   355        0.5480             nan     0.0663   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0633             nan     0.0685    0.0186
     2        1.0324             nan     0.0685    0.0153
     3        1.0056             nan     0.0685    0.0135
     4        0.9829             nan     0.0685    0.0112
     5        0.9619             nan     0.0685    0.0103
     6        0.9399             nan     0.0685    0.0112
     7        0.9228             nan     0.0685    0.0085
     8        0.9050             nan     0.0685    0.0092
     9        0.8923             nan     0.0685    0.0064
    10        0.8773             nan     0.0685    0.0074
    20        0.7908             nan     0.0685    0.0026
    40        0.7088             nan     0.0685    0.0013
    60        0.6683             nan     0.0685    0.0010
    80        0.6463             nan     0.0685    0.0005
   100        0.6328             nan     0.0685    0.0001
   120        0.6234             nan     0.0685    0.0003
   140        0.6162             nan     0.0685    0.0001
   160        0.6109             nan     0.0685    0.0000
   180        0.6064             nan     0.0685    0.0000
   200        0.6025             nan     0.0685    0.0000
   220        0.5996             nan     0.0685   -0.0000
   240        0.5966             nan     0.0685    0.0000
   260        0.5937             nan     0.0685    0.0000
   280        0.5914             nan     0.0685    0.0000
   300        0.5894             nan     0.0685    0.0000
   320        0.5876             nan     0.0685    0.0000
   340        0.5859             nan     0.0685   -0.0000
   360        0.5845             nan     0.0685   -0.0000
   380        0.5831             nan     0.0685   -0.0000
   400        0.5817             nan     0.0685   -0.0000
   406        0.5813             nan     0.0685   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0626             nan     0.0687    0.0188
     2        1.0322             nan     0.0687    0.0153
     3        1.0048             nan     0.0687    0.0136
     4        0.9815             nan     0.0687    0.0115
     5        0.9612             nan     0.0687    0.0099
     6        0.9380             nan     0.0687    0.0119
     7        0.9182             nan     0.0687    0.0099
     8        0.9011             nan     0.0687    0.0088
     9        0.8860             nan     0.0687    0.0074
    10        0.8724             nan     0.0687    0.0068
    20        0.7896             nan     0.0687    0.0034
    40        0.7073             nan     0.0687    0.0013
    60        0.6669             nan     0.0687    0.0008
    80        0.6457             nan     0.0687    0.0003
   100        0.6324             nan     0.0687    0.0001
   120        0.6228             nan     0.0687    0.0001
   140        0.6148             nan     0.0687    0.0002
   160        0.6094             nan     0.0687    0.0000
   180        0.6042             nan     0.0687   -0.0000
   200        0.6001             nan     0.0687    0.0001
   220        0.5968             nan     0.0687   -0.0000
   240        0.5938             nan     0.0687    0.0000
   260        0.5909             nan     0.0687    0.0001
   280        0.5873             nan     0.0687    0.0000
   300        0.5852             nan     0.0687   -0.0000
   320        0.5826             nan     0.0687   -0.0000
   340        0.5804             nan     0.0687   -0.0000
   360        0.5788             nan     0.0687    0.0000
   380        0.5769             nan     0.0687   -0.0000
   400        0.5754             nan     0.0687   -0.0000
   420        0.5744             nan     0.0687   -0.0000
   440        0.5730             nan     0.0687    0.0000
   460        0.5720             nan     0.0687   -0.0000
   480        0.5707             nan     0.0687   -0.0000
   500        0.5694             nan     0.0687    0.0001
   520        0.5683             nan     0.0687   -0.0001
   540        0.5666             nan     0.0687   -0.0000
   560        0.5658             nan     0.0687   -0.0000
   580        0.5649             nan     0.0687   -0.0000
   600        0.5638             nan     0.0687   -0.0000
   620        0.5630             nan     0.0687   -0.0001
   640        0.5616             nan     0.0687   -0.0000
   660        0.5604             nan     0.0687   -0.0000
   680        0.5597             nan     0.0687   -0.0000
   700        0.5582             nan     0.0687   -0.0000
   720        0.5570             nan     0.0687    0.0000
   740        0.5562             nan     0.0687    0.0000
   760        0.5554             nan     0.0687   -0.0000
   780        0.5541             nan     0.0687   -0.0000
   800        0.5535             nan     0.0687   -0.0000
   820        0.5527             nan     0.0687   -0.0001
   840        0.5520             nan     0.0687   -0.0000
   860        0.5511             nan     0.0687   -0.0001
   880        0.5505             nan     0.0687   -0.0000
   881        0.5505             nan     0.0687   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0741             nan     0.0697    0.0134
     2        1.0507             nan     0.0697    0.0116
     3        1.0309             nan     0.0697    0.0101
     4        1.0144             nan     0.0697    0.0080
     5        0.9972             nan     0.0697    0.0086
     6        0.9848             nan     0.0697    0.0058
     7        0.9699             nan     0.0697    0.0074
     8        0.9568             nan     0.0697    0.0064
     9        0.9469             nan     0.0697    0.0048
    10        0.9343             nan     0.0697    0.0061
    20        0.8540             nan     0.0697    0.0035
    40        0.7722             nan     0.0697    0.0014
    60        0.7264             nan     0.0697    0.0009
    80        0.6965             nan     0.0697    0.0004
   100        0.6750             nan     0.0697    0.0005
   120        0.6601             nan     0.0697    0.0003
   140        0.6494             nan     0.0697    0.0002
   160        0.6415             nan     0.0697    0.0002
   180        0.6341             nan     0.0697    0.0002
   200        0.6296             nan     0.0697    0.0000
   220        0.6259             nan     0.0697    0.0000
   240        0.6225             nan     0.0697    0.0001
   260        0.6189             nan     0.0697    0.0000
   280        0.6161             nan     0.0697    0.0000
   300        0.6137             nan     0.0697    0.0000
   320        0.6114             nan     0.0697    0.0001
   340        0.6086             nan     0.0697    0.0001
   360        0.6070             nan     0.0697   -0.0000
   380        0.6055             nan     0.0697   -0.0000
   400        0.6038             nan     0.0697   -0.0000
   420        0.6026             nan     0.0697   -0.0000
   440        0.6013             nan     0.0697   -0.0000
   460        0.6000             nan     0.0697    0.0000
   480        0.5988             nan     0.0697    0.0000
   500        0.5974             nan     0.0697    0.0000
   520        0.5965             nan     0.0697   -0.0000
   540        0.5955             nan     0.0697   -0.0000
   545        0.5952             nan     0.0697   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0493             nan     0.0714    0.0258
     2        1.0073             nan     0.0714    0.0209
     3        0.9724             nan     0.0714    0.0175
     4        0.9423             nan     0.0714    0.0146
     5        0.9165             nan     0.0714    0.0129
     6        0.8931             nan     0.0714    0.0115
     7        0.8732             nan     0.0714    0.0101
     8        0.8555             nan     0.0714    0.0090
     9        0.8395             nan     0.0714    0.0078
    10        0.8247             nan     0.0714    0.0074
    20        0.7269             nan     0.0714    0.0030
    40        0.6485             nan     0.0714    0.0015
    60        0.6186             nan     0.0714    0.0002
    80        0.6020             nan     0.0714    0.0003
   100        0.5907             nan     0.0714    0.0001
   120        0.5821             nan     0.0714   -0.0000
   140        0.5764             nan     0.0714    0.0001
   160        0.5714             nan     0.0714   -0.0001
   180        0.5668             nan     0.0714   -0.0000
   200        0.5623             nan     0.0714   -0.0000
   220        0.5579             nan     0.0714   -0.0000
   240        0.5544             nan     0.0714   -0.0001
   260        0.5516             nan     0.0714    0.0001
   280        0.5488             nan     0.0714   -0.0000
   300        0.5462             nan     0.0714   -0.0000
   320        0.5443             nan     0.0714   -0.0000
   340        0.5421             nan     0.0714   -0.0000
   360        0.5399             nan     0.0714   -0.0000
   380        0.5376             nan     0.0714   -0.0000
   400        0.5356             nan     0.0714   -0.0000
   420        0.5335             nan     0.0714    0.0000
   440        0.5316             nan     0.0714   -0.0001
   460        0.5297             nan     0.0714    0.0001
   473        0.5284             nan     0.0714   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0599             nan     0.0743    0.0200
     2        1.0278             nan     0.0743    0.0165
     3        0.9994             nan     0.0743    0.0141
     4        0.9742             nan     0.0743    0.0122
     5        0.9480             nan     0.0743    0.0133
     6        0.9260             nan     0.0743    0.0111
     7        0.9064             nan     0.0743    0.0096
     8        0.8914             nan     0.0743    0.0076
     9        0.8773             nan     0.0743    0.0068
    10        0.8632             nan     0.0743    0.0073
    20        0.7775             nan     0.0743    0.0025
    40        0.7007             nan     0.0743    0.0012
    60        0.6603             nan     0.0743    0.0006
    80        0.6408             nan     0.0743    0.0003
   100        0.6284             nan     0.0743    0.0001
   120        0.6198             nan     0.0743    0.0001
   140        0.6134             nan     0.0743    0.0001
   160        0.6075             nan     0.0743    0.0000
   180        0.6034             nan     0.0743    0.0000
   185        0.6024             nan     0.0743    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0477             nan     0.0751    0.0263
     2        1.0063             nan     0.0751    0.0207
     3        0.9711             nan     0.0751    0.0176
     4        0.9413             nan     0.0751    0.0147
     5        0.9163             nan     0.0751    0.0125
     6        0.8939             nan     0.0751    0.0113
     7        0.8748             nan     0.0751    0.0095
     8        0.8576             nan     0.0751    0.0085
     9        0.8414             nan     0.0751    0.0081
    10        0.8273             nan     0.0751    0.0069
    20        0.7340             nan     0.0751    0.0030
    40        0.6553             nan     0.0751    0.0008
    60        0.6253             nan     0.0751    0.0007
    80        0.6084             nan     0.0751    0.0001
   100        0.5961             nan     0.0751    0.0004
   120        0.5885             nan     0.0751    0.0001
   140        0.5820             nan     0.0751    0.0001
   160        0.5763             nan     0.0751   -0.0000
   180        0.5707             nan     0.0751    0.0000
   200        0.5663             nan     0.0751   -0.0000
   220        0.5621             nan     0.0751   -0.0000
   225        0.5615             nan     0.0751   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0590             nan     0.0773    0.0208
     2        1.0249             nan     0.0773    0.0167
     3        0.9967             nan     0.0773    0.0141
     4        0.9651             nan     0.0773    0.0158
     5        0.9437             nan     0.0773    0.0105
     6        0.9208             nan     0.0773    0.0113
     7        0.9030             nan     0.0773    0.0085
     8        0.8853             nan     0.0773    0.0089
     9        0.8700             nan     0.0773    0.0079
    10        0.8569             nan     0.0773    0.0066
    20        0.7744             nan     0.0773    0.0027
    40        0.6945             nan     0.0773    0.0014
    60        0.6560             nan     0.0773    0.0006
    80        0.6362             nan     0.0773    0.0004
   100        0.6255             nan     0.0773    0.0002
   120        0.6172             nan     0.0773    0.0001
   140        0.6114             nan     0.0773    0.0000
   160        0.6060             nan     0.0773    0.0000
   180        0.6018             nan     0.0773    0.0000
   200        0.5983             nan     0.0773    0.0000
   220        0.5951             nan     0.0773   -0.0000
   240        0.5924             nan     0.0773    0.0000
   260        0.5897             nan     0.0773   -0.0000
   280        0.5870             nan     0.0773   -0.0000
   300        0.5843             nan     0.0773    0.0000
   320        0.5822             nan     0.0773    0.0000
   340        0.5802             nan     0.0773    0.0000
   360        0.5788             nan     0.0773   -0.0000
   380        0.5772             nan     0.0773   -0.0000
   400        0.5759             nan     0.0773   -0.0000
   420        0.5744             nan     0.0773   -0.0000
   440        0.5730             nan     0.0773   -0.0000
   460        0.5716             nan     0.0773   -0.0000
   480        0.5702             nan     0.0773   -0.0000
   500        0.5689             nan     0.0773    0.0000
   520        0.5680             nan     0.0773   -0.0001
   540        0.5666             nan     0.0773   -0.0001
   560        0.5656             nan     0.0773   -0.0000
   580        0.5646             nan     0.0773   -0.0000
   600        0.5633             nan     0.0773   -0.0001
   606        0.5631             nan     0.0773   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0709             nan     0.0774    0.0149
     2        1.0451             nan     0.0774    0.0125
     3        1.0232             nan     0.0774    0.0106
     4        1.0046             nan     0.0774    0.0091
     5        0.9871             nan     0.0774    0.0091
     6        0.9737             nan     0.0774    0.0065
     7        0.9583             nan     0.0774    0.0075
     8        0.9446             nan     0.0774    0.0068
     9        0.9345             nan     0.0774    0.0050
    10        0.9221             nan     0.0774    0.0063
    20        0.8413             nan     0.0774    0.0038
    40        0.7601             nan     0.0774    0.0013
    60        0.7142             nan     0.0774    0.0008
    80        0.6862             nan     0.0774    0.0003
   100        0.6660             nan     0.0774    0.0005
   120        0.6520             nan     0.0774    0.0003
   140        0.6424             nan     0.0774    0.0001
   160        0.6351             nan     0.0774    0.0001
   180        0.6300             nan     0.0774   -0.0000
   200        0.6254             nan     0.0774    0.0001
   220        0.6217             nan     0.0774    0.0000
   240        0.6184             nan     0.0774    0.0000
   260        0.6154             nan     0.0774    0.0000
   280        0.6125             nan     0.0774    0.0000
   300        0.6099             nan     0.0774    0.0000
   320        0.6079             nan     0.0774    0.0000
   340        0.6058             nan     0.0774   -0.0000
   360        0.6042             nan     0.0774   -0.0000
   380        0.6024             nan     0.0774    0.0000
   400        0.6006             nan     0.0774   -0.0000
   420        0.5995             nan     0.0774    0.0000
   440        0.5982             nan     0.0774   -0.0000
   460        0.5969             nan     0.0774   -0.0001
   480        0.5958             nan     0.0774   -0.0000
   500        0.5946             nan     0.0774    0.0000
   520        0.5938             nan     0.0774   -0.0000
   540        0.5929             nan     0.0774    0.0000
   560        0.5923             nan     0.0774   -0.0000
   580        0.5916             nan     0.0774   -0.0000
   600        0.5909             nan     0.0774   -0.0000
   620        0.5902             nan     0.0774   -0.0000
   640        0.5895             nan     0.0774   -0.0000
   660        0.5888             nan     0.0774   -0.0000
   680        0.5881             nan     0.0774   -0.0000
   700        0.5876             nan     0.0774   -0.0000
   720        0.5872             nan     0.0774   -0.0000
   735        0.5866             nan     0.0774   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0458             nan     0.0790    0.0269
     2        1.0030             nan     0.0790    0.0216
     3        0.9674             nan     0.0790    0.0176
     4        0.9368             nan     0.0790    0.0153
     5        0.9108             nan     0.0790    0.0128
     6        0.8880             nan     0.0790    0.0113
     7        0.8689             nan     0.0790    0.0096
     8        0.8504             nan     0.0790    0.0093
     9        0.8352             nan     0.0790    0.0076
    10        0.8209             nan     0.0790    0.0073
    20        0.7247             nan     0.0790    0.0032
    40        0.6516             nan     0.0790    0.0009
    60        0.6221             nan     0.0790    0.0003
    80        0.6054             nan     0.0790    0.0005
   100        0.5942             nan     0.0790    0.0003
   120        0.5861             nan     0.0790   -0.0000
   140        0.5802             nan     0.0790    0.0000
   160        0.5752             nan     0.0790    0.0002
   180        0.5705             nan     0.0790   -0.0001
   200        0.5667             nan     0.0790    0.0001
   220        0.5634             nan     0.0790   -0.0000
   240        0.5602             nan     0.0790   -0.0001
   260        0.5570             nan     0.0790   -0.0000
   280        0.5545             nan     0.0790   -0.0001
   300        0.5521             nan     0.0790   -0.0000
   320        0.5502             nan     0.0790   -0.0001
   340        0.5486             nan     0.0790   -0.0000
   360        0.5465             nan     0.0790   -0.0001
   380        0.5447             nan     0.0790    0.0000
   388        0.5441             nan     0.0790   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0575             nan     0.0803    0.0219
     2        1.0223             nan     0.0803    0.0173
     3        0.9922             nan     0.0803    0.0152
     4        0.9676             nan     0.0803    0.0118
     5        0.9416             nan     0.0803    0.0128
     6        0.9211             nan     0.0803    0.0100
     7        0.9040             nan     0.0803    0.0085
     8        0.8875             nan     0.0803    0.0081
     9        0.8708             nan     0.0803    0.0087
    10        0.8561             nan     0.0803    0.0075
    20        0.7705             nan     0.0803    0.0030
    40        0.6915             nan     0.0803    0.0010
    60        0.6538             nan     0.0803    0.0005
    80        0.6352             nan     0.0803    0.0003
   100        0.6245             nan     0.0803    0.0001
   120        0.6160             nan     0.0803    0.0003
   140        0.6099             nan     0.0803    0.0001
   160        0.6051             nan     0.0803    0.0000
   180        0.6006             nan     0.0803    0.0000
   200        0.5964             nan     0.0803   -0.0000
   220        0.5928             nan     0.0803   -0.0000
   240        0.5903             nan     0.0803   -0.0000
   260        0.5882             nan     0.0803   -0.0000
   270        0.5874             nan     0.0803   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0507             nan     0.0808    0.0251
     2        1.0084             nan     0.0808    0.0205
     3        0.9736             nan     0.0808    0.0168
     4        0.9442             nan     0.0808    0.0147
     5        0.9157             nan     0.0808    0.0143
     6        0.8946             nan     0.0808    0.0105
     7        0.8752             nan     0.0808    0.0096
     8        0.8583             nan     0.0808    0.0082
     9        0.8411             nan     0.0808    0.0087
    10        0.8271             nan     0.0808    0.0067
    20        0.7379             nan     0.0808    0.0030
    40        0.6623             nan     0.0808    0.0012
    60        0.6324             nan     0.0808    0.0003
    80        0.6156             nan     0.0808    0.0001
   100        0.6043             nan     0.0808    0.0001
   120        0.5969             nan     0.0808    0.0001
   140        0.5906             nan     0.0808    0.0000
   160        0.5850             nan     0.0808    0.0001
   180        0.5807             nan     0.0808    0.0000
   200        0.5773             nan     0.0808   -0.0001
   220        0.5738             nan     0.0808   -0.0000
   240        0.5708             nan     0.0808    0.0000
   260        0.5689             nan     0.0808   -0.0001
   280        0.5664             nan     0.0808    0.0000
   300        0.5644             nan     0.0808   -0.0001
   320        0.5625             nan     0.0808   -0.0001
   340        0.5602             nan     0.0808   -0.0000
   360        0.5586             nan     0.0808   -0.0001
   380        0.5573             nan     0.0808   -0.0000
   400        0.5554             nan     0.0808   -0.0000
   420        0.5539             nan     0.0808   -0.0000
   440        0.5524             nan     0.0808   -0.0000
   460        0.5509             nan     0.0808   -0.0001
   480        0.5490             nan     0.0808   -0.0001
   500        0.5472             nan     0.0808   -0.0001
   520        0.5462             nan     0.0808   -0.0001
   540        0.5447             nan     0.0808   -0.0000
   560        0.5434             nan     0.0808   -0.0001
   580        0.5423             nan     0.0808   -0.0001
   600        0.5414             nan     0.0808   -0.0001
   620        0.5398             nan     0.0808    0.0001
   640        0.5383             nan     0.0808   -0.0000
   660        0.5373             nan     0.0808   -0.0001
   680        0.5360             nan     0.0808   -0.0001
   700        0.5351             nan     0.0808   -0.0000
   720        0.5341             nan     0.0808   -0.0000
   723        0.5339             nan     0.0808   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0487             nan     0.0838    0.0255
     2        1.0059             nan     0.0838    0.0211
     3        0.9703             nan     0.0838    0.0174
     4        0.9402             nan     0.0838    0.0149
     5        0.9119             nan     0.0838    0.0142
     6        0.8909             nan     0.0838    0.0105
     7        0.8707             nan     0.0838    0.0101
     8        0.8545             nan     0.0838    0.0079
     9        0.8375             nan     0.0838    0.0085
    10        0.8221             nan     0.0838    0.0076
    20        0.7326             nan     0.0838    0.0032
    40        0.6607             nan     0.0838    0.0010
    60        0.6303             nan     0.0838    0.0005
    80        0.6155             nan     0.0838    0.0002
   100        0.6052             nan     0.0838    0.0002
   120        0.5988             nan     0.0838    0.0002
   123        0.5980             nan     0.0838    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0400             nan     0.0840    0.0297
     2        0.9933             nan     0.0840    0.0232
     3        0.9549             nan     0.0840    0.0193
     4        0.9230             nan     0.0840    0.0164
     5        0.8961             nan     0.0840    0.0134
     6        0.8720             nan     0.0840    0.0120
     7        0.8518             nan     0.0840    0.0099
     8        0.8340             nan     0.0840    0.0086
     9        0.8182             nan     0.0840    0.0079
    10        0.8023             nan     0.0840    0.0080
    20        0.7067             nan     0.0840    0.0033
    40        0.6359             nan     0.0840    0.0010
    60        0.6082             nan     0.0840    0.0004
    80        0.5908             nan     0.0840    0.0002
   100        0.5815             nan     0.0840    0.0000
   120        0.5744             nan     0.0840   -0.0000
   140        0.5681             nan     0.0840    0.0002
   160        0.5629             nan     0.0840   -0.0000
   180        0.5589             nan     0.0840   -0.0001
   200        0.5551             nan     0.0840   -0.0001
   220        0.5518             nan     0.0840   -0.0000
   240        0.5485             nan     0.0840    0.0000
   260        0.5454             nan     0.0840   -0.0000
   280        0.5434             nan     0.0840    0.0000
   300        0.5409             nan     0.0840   -0.0001
   320        0.5384             nan     0.0840   -0.0002
   340        0.5361             nan     0.0840   -0.0001
   360        0.5342             nan     0.0840   -0.0001
   380        0.5316             nan     0.0840   -0.0000
   400        0.5296             nan     0.0840   -0.0000
   420        0.5275             nan     0.0840   -0.0001
   440        0.5254             nan     0.0840   -0.0001
   460        0.5235             nan     0.0840   -0.0001
   480        0.5216             nan     0.0840   -0.0001
   500        0.5203             nan     0.0840   -0.0001
   520        0.5184             nan     0.0840   -0.0001
   540        0.5169             nan     0.0840   -0.0001
   560        0.5156             nan     0.0840   -0.0001
   580        0.5139             nan     0.0840    0.0000
   600        0.5125             nan     0.0840   -0.0001
   620        0.5108             nan     0.0840   -0.0001
   640        0.5093             nan     0.0840   -0.0001
   660        0.5078             nan     0.0840   -0.0001
   680        0.5060             nan     0.0840   -0.0000
   700        0.5049             nan     0.0840   -0.0001
   720        0.5035             nan     0.0840   -0.0001
   740        0.5023             nan     0.0840   -0.0000
   760        0.5011             nan     0.0840   -0.0001
   780        0.4998             nan     0.0840   -0.0001
   800        0.4988             nan     0.0840   -0.0001
   820        0.4974             nan     0.0840   -0.0001
   840        0.4961             nan     0.0840   -0.0001
   860        0.4948             nan     0.0840   -0.0001
   880        0.4936             nan     0.0840   -0.0001
   900        0.4923             nan     0.0840   -0.0001
   920        0.4912             nan     0.0840   -0.0001
   939        0.4903             nan     0.0840   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0408             nan     0.0873    0.0300
     2        0.9941             nan     0.0873    0.0232
     3        0.9568             nan     0.0873    0.0191
     4        0.9257             nan     0.0873    0.0156
     5        0.8979             nan     0.0873    0.0139
     6        0.8757             nan     0.0873    0.0108
     7        0.8561             nan     0.0873    0.0099
     8        0.8385             nan     0.0873    0.0082
     9        0.8208             nan     0.0873    0.0088
    10        0.8073             nan     0.0873    0.0068
    20        0.7125             nan     0.0873    0.0036
    40        0.6433             nan     0.0873    0.0006
    60        0.6162             nan     0.0873    0.0003
    80        0.6012             nan     0.0873    0.0002
   100        0.5892             nan     0.0873    0.0001
   120        0.5815             nan     0.0873    0.0000
   140        0.5752             nan     0.0873   -0.0001
   160        0.5696             nan     0.0873   -0.0000
   180        0.5656             nan     0.0873   -0.0000
   200        0.5607             nan     0.0873   -0.0001
   220        0.5567             nan     0.0873   -0.0000
   240        0.5538             nan     0.0873   -0.0000
   260        0.5507             nan     0.0873   -0.0000
   280        0.5483             nan     0.0873   -0.0000
   300        0.5451             nan     0.0873    0.0000
   320        0.5427             nan     0.0873   -0.0000
   340        0.5393             nan     0.0873   -0.0001
   360        0.5364             nan     0.0873   -0.0001
   380        0.5333             nan     0.0873   -0.0001
   400        0.5310             nan     0.0873   -0.0001
   420        0.5287             nan     0.0873   -0.0000
   440        0.5269             nan     0.0873   -0.0000
   442        0.5267             nan     0.0873   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0524             nan     0.0888    0.0237
     2        1.0155             nan     0.0888    0.0185
     3        0.9838             nan     0.0888    0.0157
     4        0.9496             nan     0.0888    0.0170
     5        0.9219             nan     0.0888    0.0139
     6        0.9025             nan     0.0888    0.0095
     7        0.8820             nan     0.0888    0.0105
     8        0.8646             nan     0.0888    0.0088
     9        0.8501             nan     0.0888    0.0073
    10        0.8388             nan     0.0888    0.0058
    20        0.7535             nan     0.0888    0.0028
    40        0.6808             nan     0.0888    0.0009
    60        0.6475             nan     0.0888    0.0007
    80        0.6299             nan     0.0888    0.0002
   100        0.6195             nan     0.0888    0.0002
   120        0.6125             nan     0.0888   -0.0000
   140        0.6061             nan     0.0888    0.0000
   160        0.6008             nan     0.0888   -0.0000
   180        0.5968             nan     0.0888    0.0000
   200        0.5928             nan     0.0888   -0.0001
   220        0.5895             nan     0.0888   -0.0000
   240        0.5860             nan     0.0888   -0.0000
   260        0.5832             nan     0.0888   -0.0000
   280        0.5814             nan     0.0888   -0.0000
   300        0.5793             nan     0.0888   -0.0001
   320        0.5772             nan     0.0888    0.0000
   340        0.5759             nan     0.0888   -0.0000
   346        0.5755             nan     0.0888   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0398             nan     0.0896    0.0305
     2        0.9915             nan     0.0896    0.0236
     3        0.9542             nan     0.0896    0.0193
     4        0.9217             nan     0.0896    0.0162
     5        0.8949             nan     0.0896    0.0133
     6        0.8716             nan     0.0896    0.0116
     7        0.8521             nan     0.0896    0.0097
     8        0.8332             nan     0.0896    0.0095
     9        0.8192             nan     0.0896    0.0068
    10        0.8056             nan     0.0896    0.0066
    20        0.7095             nan     0.0896    0.0032
    40        0.6402             nan     0.0896    0.0009
    60        0.6125             nan     0.0896    0.0006
    80        0.5969             nan     0.0896    0.0001
   100        0.5874             nan     0.0896    0.0001
   120        0.5803             nan     0.0896   -0.0000
   140        0.5740             nan     0.0896    0.0001
   160        0.5697             nan     0.0896   -0.0000
   180        0.5647             nan     0.0896    0.0000
   200        0.5609             nan     0.0896    0.0000
   220        0.5576             nan     0.0896   -0.0000
   240        0.5547             nan     0.0896   -0.0001
   256        0.5529             nan     0.0896   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0373             nan     0.0902    0.0311
     2        0.9911             nan     0.0902    0.0232
     3        0.9523             nan     0.0902    0.0199
     4        0.9204             nan     0.0902    0.0157
     5        0.8924             nan     0.0902    0.0137
     6        0.8696             nan     0.0902    0.0114
     7        0.8487             nan     0.0902    0.0105
     8        0.8313             nan     0.0902    0.0085
     9        0.8171             nan     0.0902    0.0071
    10        0.8040             nan     0.0902    0.0062
    20        0.7119             nan     0.0902    0.0028
    40        0.6398             nan     0.0902    0.0007
    60        0.6143             nan     0.0902    0.0003
    80        0.6009             nan     0.0902    0.0001
   100        0.5919             nan     0.0902    0.0001
   120        0.5850             nan     0.0902    0.0001
   140        0.5790             nan     0.0902    0.0000
   160        0.5748             nan     0.0902   -0.0000
   180        0.5703             nan     0.0902   -0.0001
   200        0.5667             nan     0.0902   -0.0000
   220        0.5634             nan     0.0902    0.0000
   240        0.5607             nan     0.0902   -0.0001
   260        0.5588             nan     0.0902   -0.0001
   280        0.5557             nan     0.0902   -0.0001
   300        0.5536             nan     0.0902   -0.0000
   320        0.5509             nan     0.0902   -0.0000
   340        0.5491             nan     0.0902   -0.0001
   360        0.5474             nan     0.0902   -0.0001
   380        0.5459             nan     0.0902   -0.0001
   400        0.5443             nan     0.0902   -0.0001
   420        0.5428             nan     0.0902   -0.0001
   440        0.5407             nan     0.0902   -0.0001
   460        0.5393             nan     0.0902   -0.0001
   480        0.5379             nan     0.0902   -0.0000
   500        0.5364             nan     0.0902   -0.0001
   520        0.5351             nan     0.0902   -0.0001
   540        0.5338             nan     0.0902   -0.0001
   560        0.5327             nan     0.0902   -0.0001
   580        0.5317             nan     0.0902   -0.0001
   600        0.5303             nan     0.0902   -0.0001
   620        0.5290             nan     0.0902   -0.0001
   640        0.5281             nan     0.0902   -0.0001
   648        0.5276             nan     0.0902   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0414             nan     0.0960    0.0295
     2        0.9951             nan     0.0960    0.0226
     3        0.9569             nan     0.0960    0.0194
     4        0.9247             nan     0.0960    0.0161
     5        0.8987             nan     0.0960    0.0129
     6        0.8728             nan     0.0960    0.0130
     7        0.8504             nan     0.0960    0.0110
     8        0.8317             nan     0.0960    0.0093
     9        0.8156             nan     0.0960    0.0082
    10        0.8035             nan     0.0960    0.0058
    20        0.7184             nan     0.0960    0.0028
    40        0.6493             nan     0.0960    0.0009
    60        0.6217             nan     0.0960    0.0001
    80        0.6077             nan     0.0960    0.0001
   100        0.5971             nan     0.0960    0.0001
   120        0.5896             nan     0.0960    0.0000
   140        0.5827             nan     0.0960   -0.0000
   160        0.5778             nan     0.0960   -0.0000
   180        0.5734             nan     0.0960   -0.0001
   200        0.5693             nan     0.0960   -0.0001
   220        0.5668             nan     0.0960    0.0000
   240        0.5639             nan     0.0960   -0.0000
   260        0.5616             nan     0.0960   -0.0000
   280        0.5590             nan     0.0960   -0.0001
   300        0.5568             nan     0.0960   -0.0001
   320        0.5536             nan     0.0960    0.0000
   340        0.5508             nan     0.0960   -0.0001
   360        0.5489             nan     0.0960   -0.0001
   380        0.5470             nan     0.0960   -0.0000
   400        0.5452             nan     0.0960    0.0000
   420        0.5441             nan     0.0960   -0.0001
   440        0.5426             nan     0.0960    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0635             nan     0.0965    0.0183
     2        1.0341             nan     0.0965    0.0149
     3        1.0099             nan     0.0965    0.0122
     4        0.9885             nan     0.0965    0.0105
     5        0.9688             nan     0.0965    0.0098
     6        0.9539             nan     0.0965    0.0073
     7        0.9373             nan     0.0965    0.0083
     8        0.9216             nan     0.0965    0.0079
     9        0.9109             nan     0.0965    0.0053
    10        0.8986             nan     0.0965    0.0064
    20        0.8153             nan     0.0965    0.0035
    40        0.7331             nan     0.0965    0.0018
    60        0.6917             nan     0.0965    0.0009
    80        0.6674             nan     0.0965    0.0004
   100        0.6496             nan     0.0965    0.0004
   120        0.6404             nan     0.0965    0.0000
   140        0.6310             nan     0.0965    0.0001
   160        0.6246             nan     0.0965    0.0001
   180        0.6202             nan     0.0965    0.0000
   200        0.6170             nan     0.0965    0.0000
   220        0.6138             nan     0.0965    0.0001
   240        0.6106             nan     0.0965    0.0000
   260        0.6079             nan     0.0965   -0.0000
   280        0.6051             nan     0.0965    0.0001
   300        0.6030             nan     0.0965   -0.0000
   320        0.6011             nan     0.0965   -0.0000
   340        0.5996             nan     0.0965    0.0000
   360        0.5982             nan     0.0965   -0.0000
   380        0.5965             nan     0.0965   -0.0000
   400        0.5952             nan     0.0965   -0.0000
   420        0.5941             nan     0.0965   -0.0000
   440        0.5930             nan     0.0965   -0.0001
   460        0.5921             nan     0.0965    0.0000
   480        0.5912             nan     0.0965   -0.0000
   500        0.5904             nan     0.0965   -0.0000
   520        0.5895             nan     0.0965   -0.0000
   540        0.5887             nan     0.0965    0.0001
   560        0.5875             nan     0.0965   -0.0000
   580        0.5868             nan     0.0965   -0.0000
   600        0.5860             nan     0.0965   -0.0000
   620        0.5855             nan     0.0965   -0.0000
   640        0.5850             nan     0.0965   -0.0000
   660        0.5845             nan     0.0965   -0.0000
   680        0.5838             nan     0.0965   -0.0001
   700        0.5832             nan     0.0965   -0.0000
   720        0.5829             nan     0.0965   -0.0000
   740        0.5824             nan     0.0965   -0.0000
   759        0.5821             nan     0.0965   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0401             nan     0.0983    0.0308
     2        0.9926             nan     0.0983    0.0239
     3        0.9538             nan     0.0983    0.0194
     4        0.9215             nan     0.0983    0.0160
     5        0.8912             nan     0.0983    0.0152
     6        0.8699             nan     0.0983    0.0106
     7        0.8508             nan     0.0983    0.0094
     8        0.8312             nan     0.0983    0.0096
     9        0.8143             nan     0.0983    0.0082
    10        0.7990             nan     0.0983    0.0075
    20        0.7139             nan     0.0983    0.0033
    40        0.6473             nan     0.0983    0.0012
    60        0.6217             nan     0.0983   -0.0000
    80        0.6066             nan     0.0983    0.0001
   100        0.5958             nan     0.0983    0.0001
   120        0.5885             nan     0.0983    0.0002
   140        0.5819             nan     0.0983   -0.0001
   160        0.5774             nan     0.0983   -0.0001
   180        0.5734             nan     0.0983   -0.0000
   200        0.5680             nan     0.0983    0.0001
   220        0.5654             nan     0.0983   -0.0000
   240        0.5620             nan     0.0983   -0.0001
   260        0.5599             nan     0.0983   -0.0001
   280        0.5575             nan     0.0983   -0.0001
   300        0.5549             nan     0.0983   -0.0001
   320        0.5527             nan     0.0983   -0.0001
   336        0.5513             nan     0.0983   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0622             nan     0.1014    0.0192
     2        1.0306             nan     0.1014    0.0154
     3        1.0052             nan     0.1014    0.0124
     4        0.9824             nan     0.1014    0.0112
     5        0.9635             nan     0.1014    0.0091
     6        0.9440             nan     0.1014    0.0097
     7        0.9295             nan     0.1014    0.0072
     8        0.9133             nan     0.1014    0.0078
     9        0.8998             nan     0.1014    0.0064
    10        0.8895             nan     0.1014    0.0049
    20        0.8065             nan     0.1014    0.0026
    40        0.7276             nan     0.1014    0.0009
    60        0.6853             nan     0.1014    0.0010
    80        0.6607             nan     0.1014    0.0006
   100        0.6457             nan     0.1014    0.0002
   120        0.6361             nan     0.1014    0.0003
   140        0.6288             nan     0.1014    0.0000
   160        0.6233             nan     0.1014    0.0002
   180        0.6185             nan     0.1014    0.0002
   200        0.6145             nan     0.1014   -0.0000
   220        0.6114             nan     0.1014    0.0001
   240        0.6089             nan     0.1014   -0.0000
   260        0.6065             nan     0.1014    0.0000
   280        0.6043             nan     0.1014   -0.0000
   300        0.6024             nan     0.1014   -0.0000
   320        0.6003             nan     0.1014   -0.0000
   340        0.5989             nan     0.1014   -0.0000
   360        0.5975             nan     0.1014   -0.0000
   380        0.5962             nan     0.1014   -0.0000
   400        0.5953             nan     0.1014   -0.0000
   420        0.5942             nan     0.1014    0.0000
   440        0.5933             nan     0.1014   -0.0000
   460        0.5923             nan     0.1014   -0.0000
   480        0.5914             nan     0.1014    0.0000
   500        0.5907             nan     0.1014   -0.0000
   520        0.5899             nan     0.1014    0.0001
   540        0.5895             nan     0.1014   -0.0000
   560        0.5888             nan     0.1014   -0.0001
   580        0.5883             nan     0.1014   -0.0000
   600        0.5877             nan     0.1014    0.0000
   620        0.5872             nan     0.1014   -0.0000
   640        0.5866             nan     0.1014   -0.0000
   660        0.5862             nan     0.1014   -0.0000
   680        0.5857             nan     0.1014   -0.0000
   700        0.5850             nan     0.1014   -0.0000
   720        0.5847             nan     0.1014   -0.0000
   740        0.5842             nan     0.1014   -0.0000
   760        0.5838             nan     0.1014   -0.0000
   780        0.5835             nan     0.1014   -0.0000
   800        0.5831             nan     0.1014   -0.0001
   820        0.5826             nan     0.1014   -0.0000
   840        0.5821             nan     0.1014   -0.0000
   860        0.5820             nan     0.1014   -0.0001
   880        0.5816             nan     0.1014   -0.0000
   896        0.5815             nan     0.1014   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0386             nan     0.1018    0.0308
     2        0.9905             nan     0.1018    0.0233
     3        0.9502             nan     0.1018    0.0199
     4        0.9175             nan     0.1018    0.0160
     5        0.8907             nan     0.1018    0.0137
     6        0.8652             nan     0.1018    0.0128
     7        0.8453             nan     0.1018    0.0101
     8        0.8260             nan     0.1018    0.0094
     9        0.8114             nan     0.1018    0.0073
    10        0.7982             nan     0.1018    0.0065
    20        0.7129             nan     0.1018    0.0024
    40        0.6451             nan     0.1018    0.0012
    60        0.6188             nan     0.1018    0.0006
    80        0.6052             nan     0.1018    0.0003
   100        0.5958             nan     0.1018    0.0000
   120        0.5887             nan     0.1018   -0.0000
   140        0.5825             nan     0.1018    0.0001
   160        0.5779             nan     0.1018   -0.0000
   180        0.5741             nan     0.1018   -0.0000
   200        0.5711             nan     0.1018   -0.0001
   220        0.5685             nan     0.1018   -0.0001
   240        0.5650             nan     0.1018   -0.0001
   260        0.5628             nan     0.1018   -0.0001
   280        0.5607             nan     0.1018   -0.0000
   300        0.5578             nan     0.1018    0.0001
   302        0.5576             nan     0.1018   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0470             nan     0.1024    0.0272
     2        1.0059             nan     0.1024    0.0206
     3        0.9708             nan     0.1024    0.0175
     4        0.9366             nan     0.1024    0.0169
     5        0.9093             nan     0.1024    0.0137
     6        0.8864             nan     0.1024    0.0115
     7        0.8696             nan     0.1024    0.0082
     8        0.8517             nan     0.1024    0.0089
     9        0.8394             nan     0.1024    0.0061
    10        0.8259             nan     0.1024    0.0067
    20        0.7397             nan     0.1024    0.0028
    40        0.6678             nan     0.1024    0.0014
    60        0.6392             nan     0.1024    0.0002
    80        0.6239             nan     0.1024    0.0004
   100        0.6128             nan     0.1024    0.0000
   120        0.6049             nan     0.1024    0.0001
   140        0.5989             nan     0.1024    0.0001
   160        0.5934             nan     0.1024    0.0001
   180        0.5901             nan     0.1024   -0.0000
   200        0.5863             nan     0.1024   -0.0000
   220        0.5829             nan     0.1024   -0.0001
   240        0.5804             nan     0.1024   -0.0001
   260        0.5774             nan     0.1024   -0.0000
   280        0.5753             nan     0.1024    0.0001
   300        0.5732             nan     0.1024   -0.0000
   320        0.5714             nan     0.1024   -0.0001
   340        0.5694             nan     0.1024   -0.0000
   360        0.5681             nan     0.1024   -0.0000
   380        0.5665             nan     0.1024   -0.0000
   400        0.5645             nan     0.1024   -0.0001
   420        0.5628             nan     0.1024   -0.0000
   440        0.5612             nan     0.1024   -0.0000
   460        0.5601             nan     0.1024   -0.0001
   480        0.5588             nan     0.1024   -0.0000
   500        0.5570             nan     0.1024   -0.0000
   520        0.5554             nan     0.1024   -0.0000
   540        0.5543             nan     0.1024   -0.0000
   560        0.5534             nan     0.1024   -0.0001
   580        0.5527             nan     0.1024   -0.0000
   600        0.5517             nan     0.1024   -0.0001
   620        0.5508             nan     0.1024   -0.0001
   640        0.5499             nan     0.1024    0.0001
   660        0.5492             nan     0.1024   -0.0001
   680        0.5484             nan     0.1024   -0.0000
   700        0.5474             nan     0.1024   -0.0001
   720        0.5465             nan     0.1024   -0.0001
   740        0.5452             nan     0.1024   -0.0001
   760        0.5445             nan     0.1024   -0.0000
   780        0.5439             nan     0.1024   -0.0000
   800        0.5432             nan     0.1024   -0.0001
   820        0.5423             nan     0.1024   -0.0000
   840        0.5416             nan     0.1024   -0.0001
   851        0.5412             nan     0.1024   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0385             nan     0.1035    0.0313
     2        0.9896             nan     0.1035    0.0240
     3        0.9494             nan     0.1035    0.0200
     4        0.9161             nan     0.1035    0.0161
     5        0.8857             nan     0.1035    0.0151
     6        0.8632             nan     0.1035    0.0112
     7        0.8424             nan     0.1035    0.0104
     8        0.8235             nan     0.1035    0.0094
     9        0.8073             nan     0.1035    0.0082
    10        0.7936             nan     0.1035    0.0067
    20        0.7086             nan     0.1035    0.0029
    40        0.6437             nan     0.1035    0.0007
    60        0.6187             nan     0.1035    0.0004
    80        0.6033             nan     0.1035    0.0002
   100        0.5935             nan     0.1035    0.0001
   120        0.5856             nan     0.1035    0.0001
   140        0.5802             nan     0.1035    0.0000
   160        0.5753             nan     0.1035    0.0000
   180        0.5714             nan     0.1035   -0.0000
   190        0.5693             nan     0.1035   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0378             nan     0.1036    0.0316
     2        0.9893             nan     0.1036    0.0236
     3        0.9469             nan     0.1036    0.0207
     4        0.9153             nan     0.1036    0.0155
     5        0.8887             nan     0.1036    0.0129
     6        0.8624             nan     0.1036    0.0129
     7        0.8400             nan     0.1036    0.0111
     8        0.8209             nan     0.1036    0.0096
     9        0.8064             nan     0.1036    0.0072
    10        0.7910             nan     0.1036    0.0075
    20        0.7086             nan     0.1036    0.0021
    40        0.6431             nan     0.1036    0.0011
    60        0.6179             nan     0.1036    0.0006
    80        0.6036             nan     0.1036    0.0001
   100        0.5934             nan     0.1036   -0.0000
   120        0.5873             nan     0.1036   -0.0001
   140        0.5800             nan     0.1036    0.0004
   160        0.5754             nan     0.1036   -0.0000
   180        0.5712             nan     0.1036    0.0000
   200        0.5679             nan     0.1036   -0.0001
   220        0.5646             nan     0.1036   -0.0000
   240        0.5617             nan     0.1036   -0.0000
   260        0.5599             nan     0.1036   -0.0001
   280        0.5572             nan     0.1036   -0.0001
   300        0.5547             nan     0.1036   -0.0001
   320        0.5525             nan     0.1036   -0.0001
   340        0.5505             nan     0.1036   -0.0000
   360        0.5482             nan     0.1036   -0.0000
   380        0.5467             nan     0.1036   -0.0001
   400        0.5452             nan     0.1036   -0.0000
   420        0.5434             nan     0.1036   -0.0001
   440        0.5418             nan     0.1036   -0.0001
   460        0.5407             nan     0.1036   -0.0000
   480        0.5390             nan     0.1036   -0.0001
   500        0.5379             nan     0.1036   -0.0001
   520        0.5361             nan     0.1036    0.0001
   540        0.5351             nan     0.1036   -0.0000
   560        0.5337             nan     0.1036   -0.0000
   580        0.5328             nan     0.1036   -0.0001
   600        0.5316             nan     0.1036   -0.0000
   620        0.5304             nan     0.1036   -0.0001
   640        0.5292             nan     0.1036   -0.0000
   660        0.5280             nan     0.1036   -0.0001
   677        0.5271             nan     0.1036   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0260             nan     0.1079    0.0362
     2        0.9732             nan     0.1079    0.0262
     3        0.9317             nan     0.1079    0.0208
     4        0.8972             nan     0.1079    0.0172
     5        0.8695             nan     0.1079    0.0138
     6        0.8449             nan     0.1079    0.0124
     7        0.8239             nan     0.1079    0.0104
     8        0.8062             nan     0.1079    0.0084
     9        0.7917             nan     0.1079    0.0071
    10        0.7761             nan     0.1079    0.0074
    20        0.6852             nan     0.1079    0.0025
    40        0.6272             nan     0.1079    0.0004
    60        0.6045             nan     0.1079    0.0004
    80        0.5907             nan     0.1079    0.0002
   100        0.5825             nan     0.1079    0.0000
   120        0.5751             nan     0.1079   -0.0000
   140        0.5696             nan     0.1079   -0.0000
   160        0.5651             nan     0.1079   -0.0000
   180        0.5605             nan     0.1079    0.0002
   200        0.5576             nan     0.1079   -0.0002
   220        0.5547             nan     0.1079   -0.0001
   240        0.5511             nan     0.1079    0.0000
   260        0.5482             nan     0.1079   -0.0001
   280        0.5456             nan     0.1079   -0.0001
   300        0.5433             nan     0.1079   -0.0000
   320        0.5410             nan     0.1079   -0.0001
   340        0.5390             nan     0.1079   -0.0001
   360        0.5372             nan     0.1079   -0.0001
   380        0.5350             nan     0.1079   -0.0001
   400        0.5337             nan     0.1079   -0.0001
   419        0.5324             nan     0.1079   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0340             nan     0.1099    0.0338
     2        0.9833             nan     0.1099    0.0254
     3        0.9425             nan     0.1099    0.0205
     4        0.9084             nan     0.1099    0.0166
     5        0.8778             nan     0.1099    0.0153
     6        0.8551             nan     0.1099    0.0113
     7        0.8325             nan     0.1099    0.0114
     8        0.8140             nan     0.1099    0.0089
     9        0.7975             nan     0.1099    0.0080
    10        0.7830             nan     0.1099    0.0068
    20        0.7035             nan     0.1099    0.0030
    40        0.6408             nan     0.1099    0.0008
    60        0.6168             nan     0.1099    0.0003

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0329             nan     0.1114    0.0328
     2        0.9819             nan     0.1114    0.0250
     3        0.9400             nan     0.1114    0.0208
     4        0.9056             nan     0.1114    0.0166
     5        0.8778             nan     0.1114    0.0140
     6        0.8552             nan     0.1114    0.0110
     7        0.8322             nan     0.1114    0.0114
     8        0.8159             nan     0.1114    0.0078
     9        0.7988             nan     0.1114    0.0082
    10        0.7882             nan     0.1114    0.0051
    20        0.7044             nan     0.1114    0.0020
    40        0.6405             nan     0.1114    0.0005
    60        0.6177             nan     0.1114    0.0003
    80        0.6044             nan     0.1114    0.0003
   100        0.5967             nan     0.1114    0.0001
   120        0.5897             nan     0.1114    0.0000
   140        0.5835             nan     0.1114    0.0001
   160        0.5787             nan     0.1114    0.0000
   180        0.5745             nan     0.1114   -0.0000
   200        0.5708             nan     0.1114   -0.0001
   220        0.5673             nan     0.1114   -0.0001
   240        0.5644             nan     0.1114   -0.0000
   260        0.5618             nan     0.1114   -0.0001
   280        0.5599             nan     0.1114   -0.0001
   300        0.5581             nan     0.1114   -0.0001
   320        0.5555             nan     0.1114   -0.0000
   340        0.5530             nan     0.1114   -0.0001
   360        0.5514             nan     0.1114   -0.0001
   380        0.5501             nan     0.1114   -0.0001
   400        0.5484             nan     0.1114   -0.0000
   420        0.5470             nan     0.1114   -0.0001
   440        0.5454             nan     0.1114   -0.0000
   460        0.5441             nan     0.1114   -0.0000
   480        0.5430             nan     0.1114   -0.0001
   500        0.5413             nan     0.1114   -0.0001
   520        0.5402             nan     0.1114   -0.0001
   540        0.5391             nan     0.1114   -0.0000
   560        0.5380             nan     0.1114   -0.0001
   580        0.5370             nan     0.1114   -0.0000
   600        0.5359             nan     0.1114   -0.0001
   620        0.5347             nan     0.1114   -0.0001
   640        0.5337             nan     0.1114   -0.0000
   660        0.5325             nan     0.1114   -0.0001
   680        0.5316             nan     0.1114   -0.0001
   685        0.5314             nan     0.1114   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0577             nan     0.1122    0.0211
     2        1.0254             nan     0.1122    0.0165
     3        0.9985             nan     0.1122    0.0132
     4        0.9738             nan     0.1122    0.0121
     5        0.9524             nan     0.1122    0.0101
     6        0.9324             nan     0.1122    0.0097
     7        0.9173             nan     0.1122    0.0079
     8        0.9013             nan     0.1122    0.0077
     9        0.8901             nan     0.1122    0.0055
    10        0.8764             nan     0.1122    0.0067
    20        0.7943             nan     0.1122    0.0029
    40        0.7165             nan     0.1122    0.0015
    60        0.6766             nan     0.1122    0.0005
    80        0.6538             nan     0.1122    0.0004
   100        0.6405             nan     0.1122    0.0004
   120        0.6314             nan     0.1122    0.0001
   140        0.6242             nan     0.1122    0.0002
   160        0.6189             nan     0.1122    0.0001
   180        0.6149             nan     0.1122    0.0000
   200        0.6109             nan     0.1122    0.0000
   220        0.6070             nan     0.1122    0.0002
   240        0.6045             nan     0.1122   -0.0000
   260        0.6021             nan     0.1122    0.0001
   280        0.6001             nan     0.1122   -0.0000
   300        0.5982             nan     0.1122   -0.0000
   320        0.5968             nan     0.1122   -0.0000
   340        0.5952             nan     0.1122   -0.0000
   360        0.5939             nan     0.1122   -0.0000
   380        0.5929             nan     0.1122    0.0000
   400        0.5915             nan     0.1122   -0.0000
   420        0.5905             nan     0.1122   -0.0001
   440        0.5894             nan     0.1122    0.0000
   460        0.5888             nan     0.1122   -0.0000
   480        0.5880             nan     0.1122   -0.0001
   500        0.5874             nan     0.1122   -0.0000
   520        0.5868             nan     0.1122   -0.0000
   540        0.5860             nan     0.1122   -0.0001
   560        0.5852             nan     0.1122   -0.0000
   580        0.5846             nan     0.1122   -0.0000
   600        0.5842             nan     0.1122   -0.0000
   615        0.5836             nan     0.1122   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0363             nan     0.1211    0.0315
     2        0.9898             nan     0.1211    0.0234
     3        0.9516             nan     0.1211    0.0192
     4        0.9152             nan     0.1211    0.0183
     5        0.8863             nan     0.1211    0.0145
     6        0.8648             nan     0.1211    0.0103
     7        0.8452             nan     0.1211    0.0099
     8        0.8303             nan     0.1211    0.0073
     9        0.8180             nan     0.1211    0.0057
    10        0.8043             nan     0.1211    0.0067
    20        0.7234             nan     0.1211    0.0027
    40        0.6533             nan     0.1211    0.0009
    60        0.6302             nan     0.1211    0.0002
    80        0.6164             nan     0.1211    0.0002
   100        0.6078             nan     0.1211    0.0000
   120        0.6007             nan     0.1211   -0.0000
   140        0.5954             nan     0.1211   -0.0001
   160        0.5909             nan     0.1211   -0.0000
   180        0.5871             nan     0.1211    0.0001
   200        0.5839             nan     0.1211   -0.0001
   220        0.5810             nan     0.1211   -0.0001
   240        0.5779             nan     0.1211   -0.0000
   260        0.5756             nan     0.1211   -0.0001
   280        0.5737             nan     0.1211   -0.0001
   300        0.5720             nan     0.1211   -0.0001
   320        0.5700             nan     0.1211   -0.0001
   340        0.5680             nan     0.1211   -0.0001
   360        0.5660             nan     0.1211   -0.0000
   380        0.5647             nan     0.1211   -0.0000
   400        0.5630             nan     0.1211   -0.0000
   420        0.5616             nan     0.1211   -0.0001
   440        0.5606             nan     0.1211   -0.0001
   460        0.5593             nan     0.1211   -0.0001
   480        0.5584             nan     0.1211   -0.0001
   500        0.5571             nan     0.1211   -0.0000
   520        0.5560             nan     0.1211   -0.0001
   540        0.5549             nan     0.1211   -0.0001
   560        0.5537             nan     0.1211   -0.0000
   580        0.5527             nan     0.1211   -0.0001
   600        0.5515             nan     0.1211   -0.0001
   620        0.5507             nan     0.1211   -0.0001
   640        0.5499             nan     0.1211   -0.0000
   660        0.5490             nan     0.1211   -0.0001
   680        0.5479             nan     0.1211   -0.0000
   700        0.5473             nan     0.1211   -0.0001
   720        0.5463             nan     0.1211   -0.0001
   740        0.5457             nan     0.1211   -0.0001
   760        0.5449             nan     0.1211   -0.0001
   780        0.5441             nan     0.1211   -0.0000
   800        0.5434             nan     0.1211   -0.0001
   820        0.5424             nan     0.1211   -0.0001
   840        0.5416             nan     0.1211   -0.0001
   848        0.5413             nan     0.1211   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0132             nan     0.1273    0.0444
     2        0.9515             nan     0.1273    0.0308
     3        0.9043             nan     0.1273    0.0237
     4        0.8673             nan     0.1273    0.0180
     5        0.8374             nan     0.1273    0.0145
     6        0.8135             nan     0.1273    0.0116
     7        0.7928             nan     0.1273    0.0102
     8        0.7734             nan     0.1273    0.0094
     9        0.7562             nan     0.1273    0.0085
    10        0.7417             nan     0.1273    0.0068
    20        0.6592             nan     0.1273    0.0019
    40        0.6098             nan     0.1273    0.0004
    60        0.5894             nan     0.1273    0.0001
    80        0.5774             nan     0.1273    0.0002
   100        0.5688             nan     0.1273   -0.0001
   120        0.5624             nan     0.1273   -0.0001
   140        0.5577             nan     0.1273   -0.0001
   160        0.5530             nan     0.1273   -0.0001
   180        0.5485             nan     0.1273   -0.0002
   200        0.5444             nan     0.1273   -0.0001
   220        0.5415             nan     0.1273   -0.0001
   240        0.5379             nan     0.1273   -0.0001
   260        0.5346             nan     0.1273    0.0004
   280        0.5315             nan     0.1273   -0.0001
   300        0.5287             nan     0.1273   -0.0001
   320        0.5266             nan     0.1273   -0.0001
   340        0.5244             nan     0.1273   -0.0001
   360        0.5219             nan     0.1273   -0.0001
   380        0.5194             nan     0.1273   -0.0001
   400        0.5173             nan     0.1273   -0.0001
   420        0.5154             nan     0.1273   -0.0001
   440        0.5134             nan     0.1273   -0.0001
   460        0.5120             nan     0.1273   -0.0002
   480        0.5102             nan     0.1273   -0.0001
   500        0.5085             nan     0.1273   -0.0002
   520        0.5069             nan     0.1273   -0.0001
   540        0.5047             nan     0.1273   -0.0001
   560        0.5027             nan     0.1273   -0.0001
   580        0.5009             nan     0.1273   -0.0002
   600        0.4994             nan     0.1273   -0.0001
   620        0.4976             nan     0.1273   -0.0002
   638        0.4960             nan     0.1273   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0241             nan     0.1282    0.0372
     2        0.9661             nan     0.1282    0.0291
     3        0.9225             nan     0.1282    0.0217
     4        0.8877             nan     0.1282    0.0174
     5        0.8595             nan     0.1282    0.0139
     6        0.8361             nan     0.1282    0.0114
     7        0.8155             nan     0.1282    0.0100
     8        0.7980             nan     0.1282    0.0082
     9        0.7814             nan     0.1282    0.0082
    10        0.7682             nan     0.1282    0.0064
    20        0.6850             nan     0.1282    0.0029
    40        0.6294             nan     0.1282    0.0010
    60        0.6079             nan     0.1282    0.0002
    80        0.5966             nan     0.1282    0.0001
   100        0.5875             nan     0.1282   -0.0001
   120        0.5805             nan     0.1282    0.0001
   140        0.5757             nan     0.1282    0.0002
   156        0.5724             nan     0.1282   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0128             nan     0.1284    0.0427
     2        0.9546             nan     0.1284    0.0291
     3        0.9082             nan     0.1284    0.0226
     4        0.8732             nan     0.1284    0.0172
     5        0.8444             nan     0.1284    0.0141
     6        0.8225             nan     0.1284    0.0107
     7        0.8035             nan     0.1284    0.0091
     8        0.7862             nan     0.1284    0.0085
     9        0.7706             nan     0.1284    0.0077
    10        0.7549             nan     0.1284    0.0077
    20        0.6693             nan     0.1284    0.0033
    40        0.6174             nan     0.1284    0.0005
    60        0.5988             nan     0.1284    0.0001
    80        0.5878             nan     0.1284    0.0001
   100        0.5794             nan     0.1284   -0.0000
   120        0.5743             nan     0.1284   -0.0001
   140        0.5677             nan     0.1284   -0.0000
   160        0.5630             nan     0.1284    0.0000
   180        0.5588             nan     0.1284   -0.0001
   200        0.5557             nan     0.1284   -0.0002
   220        0.5528             nan     0.1284   -0.0001
   240        0.5498             nan     0.1284   -0.0001
   260        0.5468             nan     0.1284   -0.0001
   280        0.5440             nan     0.1284   -0.0001
   300        0.5413             nan     0.1284   -0.0001
   320        0.5392             nan     0.1284   -0.0002
   340        0.5376             nan     0.1284   -0.0001
   360        0.5347             nan     0.1284   -0.0001
   380        0.5326             nan     0.1284   -0.0001
   400        0.5310             nan     0.1284   -0.0000
   420        0.5292             nan     0.1284   -0.0002
   440        0.5277             nan     0.1284   -0.0001
   460        0.5263             nan     0.1284   -0.0001
   480        0.5246             nan     0.1284   -0.0001
   500        0.5230             nan     0.1284   -0.0001
   520        0.5215             nan     0.1284   -0.0001
   540        0.5201             nan     0.1284   -0.0001
   560        0.5188             nan     0.1284   -0.0001
   580        0.5174             nan     0.1284   -0.0001
   600        0.5158             nan     0.1284    0.0001
   620        0.5142             nan     0.1284   -0.0000
   640        0.5133             nan     0.1284   -0.0001
   660        0.5122             nan     0.1284   -0.0002
   680        0.5107             nan     0.1284   -0.0001
   700        0.5095             nan     0.1284   -0.0002
   720        0.5081             nan     0.1284   -0.0001
   740        0.5069             nan     0.1284   -0.0001
   746        0.5066             nan     0.1284   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0102             nan     0.1297    0.0448
     2        0.9481             nan     0.1297    0.0310
     3        0.9006             nan     0.1297    0.0233
     4        0.8637             nan     0.1297    0.0184
     5        0.8343             nan     0.1297    0.0143
     6        0.8086             nan     0.1297    0.0131
     7        0.7886             nan     0.1297    0.0094
     8        0.7687             nan     0.1297    0.0097
     9        0.7526             nan     0.1297    0.0076
    10        0.7391             nan     0.1297    0.0064
    20        0.6563             nan     0.1297    0.0025
    40        0.6059             nan     0.1297    0.0006
    60        0.5846             nan     0.1297    0.0001
    80        0.5727             nan     0.1297   -0.0001
   100        0.5635             nan     0.1297    0.0001
   120        0.5570             nan     0.1297   -0.0001
   140        0.5521             nan     0.1297   -0.0001
   160        0.5470             nan     0.1297   -0.0001
   180        0.5434             nan     0.1297   -0.0001
   200        0.5400             nan     0.1297   -0.0002
   220        0.5369             nan     0.1297   -0.0000
   240        0.5335             nan     0.1297   -0.0001
   260        0.5303             nan     0.1297   -0.0002
   280        0.5266             nan     0.1297   -0.0001
   300        0.5232             nan     0.1297    0.0003
   320        0.5209             nan     0.1297   -0.0002
   340        0.5179             nan     0.1297   -0.0001
   360        0.5154             nan     0.1297   -0.0001
   380        0.5134             nan     0.1297   -0.0000
   400        0.5114             nan     0.1297   -0.0002
   420        0.5088             nan     0.1297   -0.0001
   440        0.5069             nan     0.1297   -0.0000
   460        0.5048             nan     0.1297   -0.0001
   480        0.5030             nan     0.1297   -0.0002
   500        0.5002             nan     0.1297   -0.0001
   509        0.4990             nan     0.1297   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0310             nan     0.1319    0.0346
     2        0.9819             nan     0.1319    0.0240
     3        0.9326             nan     0.1319    0.0238
     4        0.8968             nan     0.1319    0.0180
     5        0.8691             nan     0.1319    0.0141
     6        0.8493             nan     0.1319    0.0097
     7        0.8306             nan     0.1319    0.0096
     8        0.8153             nan     0.1319    0.0073
     9        0.8035             nan     0.1319    0.0059
    10        0.7902             nan     0.1319    0.0066
    20        0.7107             nan     0.1319    0.0026
    40        0.6470             nan     0.1319    0.0004
    60        0.6261             nan     0.1319    0.0001
    80        0.6125             nan     0.1319    0.0004
   100        0.6047             nan     0.1319    0.0001
   120        0.5975             nan     0.1319    0.0002
   140        0.5919             nan     0.1319    0.0000
   160        0.5885             nan     0.1319    0.0000
   180        0.5842             nan     0.1319   -0.0000
   200        0.5806             nan     0.1319    0.0001
   220        0.5780             nan     0.1319   -0.0000
   240        0.5754             nan     0.1319   -0.0001
   260        0.5734             nan     0.1319   -0.0000
   280        0.5709             nan     0.1319   -0.0000
   300        0.5693             nan     0.1319   -0.0001
   320        0.5677             nan     0.1319   -0.0000
   340        0.5661             nan     0.1319   -0.0001
   360        0.5640             nan     0.1319    0.0001
   380        0.5624             nan     0.1319   -0.0001
   400        0.5609             nan     0.1319    0.0001
   420        0.5594             nan     0.1319   -0.0001
   440        0.5581             nan     0.1319   -0.0000
   460        0.5561             nan     0.1319   -0.0000
   480        0.5551             nan     0.1319   -0.0001
   500        0.5538             nan     0.1319   -0.0000
   520        0.5529             nan     0.1319   -0.0001
   540        0.5517             nan     0.1319   -0.0001
   560        0.5504             nan     0.1319   -0.0001
   580        0.5494             nan     0.1319   -0.0001
   600        0.5483             nan     0.1319   -0.0001
   620        0.5475             nan     0.1319   -0.0001
   640        0.5468             nan     0.1319   -0.0000
   660        0.5460             nan     0.1319   -0.0001
   680        0.5452             nan     0.1319   -0.0001
   700        0.5443             nan     0.1319   -0.0000
   720        0.5440             nan     0.1319   -0.0001
   740        0.5431             nan     0.1319   -0.0002
   760        0.5423             nan     0.1319   -0.0001
   780        0.5416             nan     0.1319   -0.0001
   797        0.5407             nan     0.1319   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0306             nan     0.1323    0.0343
     2        0.9825             nan     0.1323    0.0234
     3        0.9333             nan     0.1323    0.0238
     4        0.9024             nan     0.1323    0.0153
     5        0.8720             nan     0.1323    0.0153
     6        0.8502             nan     0.1323    0.0109
     7        0.8290             nan     0.1323    0.0105
     8        0.8142             nan     0.1323    0.0072
     9        0.7997             nan     0.1323    0.0071
    10        0.7872             nan     0.1323    0.0058
    20        0.7074             nan     0.1323    0.0031
    40        0.6448             nan     0.1323    0.0007
    60        0.6245             nan     0.1323    0.0003
    80        0.6117             nan     0.1323    0.0001
   100        0.6025             nan     0.1323    0.0000
   120        0.5957             nan     0.1323   -0.0000
   140        0.5902             nan     0.1323   -0.0000
   160        0.5862             nan     0.1323   -0.0000
   180        0.5825             nan     0.1323    0.0002
   200        0.5777             nan     0.1323    0.0001
   220        0.5743             nan     0.1323    0.0000
   240        0.5715             nan     0.1323   -0.0001
   260        0.5687             nan     0.1323    0.0000
   280        0.5665             nan     0.1323   -0.0000
   300        0.5640             nan     0.1323   -0.0000
   320        0.5621             nan     0.1323   -0.0000
   340        0.5605             nan     0.1323   -0.0001
   360        0.5589             nan     0.1323   -0.0001
   380        0.5573             nan     0.1323   -0.0001
   400        0.5552             nan     0.1323   -0.0001
   420        0.5541             nan     0.1323    0.0000
   440        0.5529             nan     0.1323   -0.0001
   460        0.5518             nan     0.1323   -0.0000
   480        0.5504             nan     0.1323   -0.0001
   500        0.5491             nan     0.1323   -0.0001
   520        0.5480             nan     0.1323   -0.0001
   540        0.5468             nan     0.1323   -0.0000
   560        0.5458             nan     0.1323   -0.0001
   580        0.5440             nan     0.1323    0.0000
   600        0.5431             nan     0.1323   -0.0001
   620        0.5418             nan     0.1323    0.0000
   640        0.5408             nan     0.1323   -0.0000
   660        0.5400             nan     0.1323   -0.0000
   680        0.5390             nan     0.1323   -0.0001
   700        0.5384             nan     0.1323   -0.0001
   720        0.5372             nan     0.1323   -0.0000
   740        0.5362             nan     0.1323   -0.0000
   760        0.5357             nan     0.1323   -0.0001
   780        0.5348             nan     0.1323   -0.0000
   800        0.5337             nan     0.1323   -0.0000
   820        0.5322             nan     0.1323   -0.0001
   840        0.5317             nan     0.1323   -0.0001
   860        0.5307             nan     0.1323   -0.0001
   880        0.5299             nan     0.1323   -0.0001
   900        0.5289             nan     0.1323   -0.0001
   920        0.5282             nan     0.1323   -0.0001
   940        0.5275             nan     0.1323   -0.0001
   960        0.5268             nan     0.1323   -0.0000
   980        0.5262             nan     0.1323   -0.0001
   981        0.5262             nan     0.1323   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0290             nan     0.1371    0.0356
     2        0.9773             nan     0.1371    0.0260
     3        0.9394             nan     0.1371    0.0192
     4        0.9013             nan     0.1371    0.0193
     5        0.8722             nan     0.1371    0.0149
     6        0.8500             nan     0.1371    0.0107
     7        0.8300             nan     0.1371    0.0097
     8        0.8143             nan     0.1371    0.0078
     9        0.8021             nan     0.1371    0.0062
    10        0.7885             nan     0.1371    0.0065
    20        0.7075             nan     0.1371    0.0023
    40        0.6453             nan     0.1371    0.0005
    60        0.6236             nan     0.1371    0.0003
    80        0.6109             nan     0.1371    0.0005
   100        0.6016             nan     0.1371    0.0001
   120        0.5935             nan     0.1371    0.0001
   140        0.5888             nan     0.1371   -0.0001
   160        0.5843             nan     0.1371   -0.0000
   180        0.5812             nan     0.1371    0.0000
   200        0.5783             nan     0.1371   -0.0001
   220        0.5752             nan     0.1371   -0.0001
   240        0.5719             nan     0.1371   -0.0001
   260        0.5693             nan     0.1371   -0.0000
   280        0.5677             nan     0.1371   -0.0001
   300        0.5652             nan     0.1371    0.0003
   320        0.5632             nan     0.1371   -0.0000
   340        0.5619             nan     0.1371   -0.0001
   360        0.5593             nan     0.1371   -0.0000
   380        0.5571             nan     0.1371   -0.0001
   400        0.5558             nan     0.1371   -0.0001
   420        0.5535             nan     0.1371   -0.0001
   440        0.5517             nan     0.1371   -0.0001
   460        0.5503             nan     0.1371   -0.0001
   480        0.5490             nan     0.1371   -0.0001
   500        0.5479             nan     0.1371   -0.0001
   520        0.5462             nan     0.1371   -0.0000
   540        0.5443             nan     0.1371    0.0002
   560        0.5434             nan     0.1371   -0.0001
   580        0.5424             nan     0.1371   -0.0001
   593        0.5419             nan     0.1371   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0057             nan     0.1425    0.0470
     2        0.9432             nan     0.1425    0.0312
     3        0.8956             nan     0.1425    0.0240
     4        0.8599             nan     0.1425    0.0170
     5        0.8301             nan     0.1425    0.0149
     6        0.8075             nan     0.1425    0.0111
     7        0.7879             nan     0.1425    0.0095
     8        0.7684             nan     0.1425    0.0093
     9        0.7531             nan     0.1425    0.0078
    10        0.7390             nan     0.1425    0.0067
    20        0.6613             nan     0.1425    0.0018
    40        0.6103             nan     0.1425    0.0005
    60        0.5906             nan     0.1425    0.0001
    80        0.5792             nan     0.1425   -0.0000
   100        0.5700             nan     0.1425   -0.0001
   120        0.5627             nan     0.1425    0.0000
   140        0.5574             nan     0.1425   -0.0002
   160        0.5530             nan     0.1425   -0.0001
   180        0.5478             nan     0.1425   -0.0000
   200        0.5435             nan     0.1425   -0.0001
   220        0.5408             nan     0.1425   -0.0001
   240        0.5369             nan     0.1425   -0.0001
   260        0.5341             nan     0.1425   -0.0002
   280        0.5306             nan     0.1425   -0.0001
   300        0.5271             nan     0.1425   -0.0001
   320        0.5253             nan     0.1425   -0.0001
   340        0.5228             nan     0.1425   -0.0001
   360        0.5201             nan     0.1425   -0.0002
   380        0.5177             nan     0.1425   -0.0000
   400        0.5148             nan     0.1425   -0.0001
   420        0.5130             nan     0.1425   -0.0001
   440        0.5108             nan     0.1425   -0.0001
   460        0.5083             nan     0.1425   -0.0001
   480        0.5059             nan     0.1425    0.0001
   500        0.5037             nan     0.1425   -0.0001
   520        0.5021             nan     0.1425   -0.0002
   540        0.5005             nan     0.1425   -0.0001
   560        0.4985             nan     0.1425   -0.0001
   580        0.4971             nan     0.1425   -0.0001
   600        0.4956             nan     0.1425   -0.0001
   620        0.4937             nan     0.1425   -0.0001
   640        0.4919             nan     0.1425   -0.0001
   660        0.4907             nan     0.1425   -0.0001
   680        0.4891             nan     0.1425   -0.0001
   700        0.4873             nan     0.1425   -0.0002
   720        0.4857             nan     0.1425   -0.0001
   740        0.4843             nan     0.1425   -0.0001
   760        0.4823             nan     0.1425   -0.0001
   780        0.4808             nan     0.1425   -0.0002
   800        0.4789             nan     0.1425   -0.0002
   820        0.4773             nan     0.1425   -0.0002
   831        0.4764             nan     0.1425   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0011             nan     0.1438    0.0496
     2        0.9347             nan     0.1438    0.0315
     3        0.8861             nan     0.1438    0.0249
     4        0.8478             nan     0.1438    0.0186
     5        0.8183             nan     0.1438    0.0146
     6        0.7958             nan     0.1438    0.0110
     7        0.7747             nan     0.1438    0.0100
     8        0.7552             nan     0.1438    0.0096
     9        0.7383             nan     0.1438    0.0083
    10        0.7238             nan     0.1438    0.0071
    20        0.6485             nan     0.1438    0.0024
    40        0.6017             nan     0.1438    0.0003
    60        0.5829             nan     0.1438    0.0001
    80        0.5727             nan     0.1438    0.0002
   100        0.5634             nan     0.1438    0.0001
   120        0.5576             nan     0.1438   -0.0001
   140        0.5519             nan     0.1438   -0.0001
   160        0.5473             nan     0.1438   -0.0001
   180        0.5435             nan     0.1438   -0.0001
   200        0.5394             nan     0.1438   -0.0002
   220        0.5362             nan     0.1438   -0.0001
   240        0.5332             nan     0.1438   -0.0001
   259        0.5305             nan     0.1438   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0041             nan     0.1455    0.0486
     2        0.9403             nan     0.1455    0.0321
     3        0.8911             nan     0.1455    0.0247
     4        0.8553             nan     0.1455    0.0173
     5        0.8248             nan     0.1455    0.0146
     6        0.8018             nan     0.1455    0.0114
     7        0.7802             nan     0.1455    0.0102
     8        0.7612             nan     0.1455    0.0094
     9        0.7440             nan     0.1455    0.0085
    10        0.7292             nan     0.1455    0.0072
    20        0.6543             nan     0.1455    0.0019
    40        0.6096             nan     0.1455    0.0009
    60        0.5876             nan     0.1455    0.0003
    80        0.5752             nan     0.1455    0.0002
   100        0.5661             nan     0.1455    0.0002
   108        0.5637             nan     0.1455   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0251             nan     0.1479    0.0386
     2        0.9708             nan     0.1479    0.0264
     3        0.9305             nan     0.1479    0.0200
     4        0.8908             nan     0.1479    0.0197
     5        0.8611             nan     0.1479    0.0147
     6        0.8402             nan     0.1479    0.0105
     7        0.8212             nan     0.1479    0.0092
     8        0.8048             nan     0.1479    0.0081
     9        0.7927             nan     0.1479    0.0061
    10        0.7778             nan     0.1479    0.0074
    20        0.6953             nan     0.1479    0.0023
    40        0.6386             nan     0.1479    0.0007
    60        0.6190             nan     0.1479    0.0002
    80        0.6051             nan     0.1479    0.0002
   100        0.5973             nan     0.1479    0.0001
   120        0.5905             nan     0.1479    0.0000
   140        0.5852             nan     0.1479   -0.0000
   160        0.5815             nan     0.1479   -0.0001
   180        0.5785             nan     0.1479   -0.0000
   200        0.5756             nan     0.1479   -0.0000
   220        0.5728             nan     0.1479    0.0000
   240        0.5699             nan     0.1479   -0.0001
   260        0.5663             nan     0.1479    0.0000
   280        0.5637             nan     0.1479   -0.0001
   300        0.5610             nan     0.1479   -0.0001
   320        0.5587             nan     0.1479   -0.0001
   340        0.5570             nan     0.1479   -0.0000
   360        0.5546             nan     0.1479   -0.0001
   380        0.5524             nan     0.1479   -0.0000
   400        0.5509             nan     0.1479   -0.0001
   420        0.5488             nan     0.1479   -0.0000
   440        0.5468             nan     0.1479   -0.0001
   460        0.5456             nan     0.1479   -0.0001
   480        0.5442             nan     0.1479   -0.0001
   500        0.5427             nan     0.1479   -0.0000
   520        0.5413             nan     0.1479    0.0000
   540        0.5396             nan     0.1479   -0.0000
   560        0.5384             nan     0.1479   -0.0000
   580        0.5373             nan     0.1479   -0.0002
   600        0.5365             nan     0.1479   -0.0001
   620        0.5352             nan     0.1479   -0.0001
   640        0.5340             nan     0.1479   -0.0001
   660        0.5327             nan     0.1479   -0.0001
   680        0.5317             nan     0.1479   -0.0001
   700        0.5308             nan     0.1479   -0.0001
   720        0.5301             nan     0.1479   -0.0001
   740        0.5291             nan     0.1479   -0.0000
   760        0.5279             nan     0.1479   -0.0001
   780        0.5270             nan     0.1479   -0.0000
   800        0.5260             nan     0.1479   -0.0001
   820        0.5248             nan     0.1479   -0.0000
   840        0.5237             nan     0.1479   -0.0001
   860        0.5228             nan     0.1479   -0.0000
   880        0.5221             nan     0.1479   -0.0001
   900        0.5211             nan     0.1479   -0.0001
   920        0.5205             nan     0.1479   -0.0001
   940        0.5195             nan     0.1479   -0.0001
   960        0.5188             nan     0.1479   -0.0000
   980        0.5180             nan     0.1479   -0.0001
   986        0.5179             nan     0.1479   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9986             nan     0.1486    0.0500
     2        0.9317             nan     0.1486    0.0334
     3        0.8805             nan     0.1486    0.0253
     4        0.8432             nan     0.1486    0.0186
     5        0.8135             nan     0.1486    0.0145
     6        0.7900             nan     0.1486    0.0115
     7        0.7683             nan     0.1486    0.0107
     8        0.7490             nan     0.1486    0.0092
     9        0.7323             nan     0.1486    0.0084
    10        0.7192             nan     0.1486    0.0063
    20        0.6457             nan     0.1486    0.0020
    40        0.6005             nan     0.1486    0.0007
    60        0.5828             nan     0.1486    0.0000
    80        0.5705             nan     0.1486   -0.0000
   100        0.5622             nan     0.1486    0.0001
   120        0.5564             nan     0.1486   -0.0001
   140        0.5513             nan     0.1486   -0.0001
   160        0.5475             nan     0.1486   -0.0000
   180        0.5433             nan     0.1486   -0.0002
   200        0.5399             nan     0.1486   -0.0002
   220        0.5355             nan     0.1486   -0.0000
   240        0.5319             nan     0.1486   -0.0002
   260        0.5285             nan     0.1486   -0.0002
   280        0.5252             nan     0.1486   -0.0001
   300        0.5222             nan     0.1486   -0.0001
   320        0.5193             nan     0.1486   -0.0002
   340        0.5161             nan     0.1486   -0.0002
   360        0.5138             nan     0.1486   -0.0002
   380        0.5109             nan     0.1486   -0.0001
   400        0.5090             nan     0.1486   -0.0001
   420        0.5067             nan     0.1486   -0.0001
   440        0.5043             nan     0.1486   -0.0001
   460        0.5017             nan     0.1486   -0.0001
   480        0.5000             nan     0.1486   -0.0002
   500        0.4978             nan     0.1486   -0.0001
   520        0.4958             nan     0.1486   -0.0002
   540        0.4930             nan     0.1486   -0.0002
   560        0.4909             nan     0.1486   -0.0003
   580        0.4890             nan     0.1486   -0.0002
   600        0.4872             nan     0.1486   -0.0002
   620        0.4848             nan     0.1486   -0.0000
   640        0.4831             nan     0.1486   -0.0002
   660        0.4816             nan     0.1486   -0.0002
   680        0.4798             nan     0.1486   -0.0002
   700        0.4784             nan     0.1486   -0.0002
   720        0.4768             nan     0.1486   -0.0002
   740        0.4749             nan     0.1486   -0.0002
   760        0.4733             nan     0.1486   -0.0001
   780        0.4718             nan     0.1486   -0.0001
   800        0.4703             nan     0.1486   -0.0001
   820        0.4691             nan     0.1486   -0.0001
   840        0.4673             nan     0.1486   -0.0001
   860        0.4661             nan     0.1486   -0.0001
   880        0.4647             nan     0.1486   -0.0002
   900        0.4635             nan     0.1486   -0.0002
   920        0.4618             nan     0.1486   -0.0002
   940        0.4606             nan     0.1486   -0.0001
   957        0.4598             nan     0.1486   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0014             nan     0.1502    0.0501
     2        0.9376             nan     0.1502    0.0323
     3        0.8891             nan     0.1502    0.0238
     4        0.8527             nan     0.1502    0.0180
     5        0.8253             nan     0.1502    0.0135
     6        0.7972             nan     0.1502    0.0140
     7        0.7754             nan     0.1502    0.0104
     8        0.7585             nan     0.1502    0.0079
     9        0.7419             nan     0.1502    0.0083
    10        0.7269             nan     0.1502    0.0073
    20        0.6547             nan     0.1502    0.0018
    40        0.6106             nan     0.1502    0.0003
    60        0.5908             nan     0.1502    0.0006
    80        0.5799             nan     0.1502    0.0000
   100        0.5724             nan     0.1502   -0.0000
   120        0.5654             nan     0.1502    0.0002
   140        0.5594             nan     0.1502    0.0001
   160        0.5542             nan     0.1502   -0.0001
   180        0.5504             nan     0.1502   -0.0001
   200        0.5467             nan     0.1502   -0.0001
   220        0.5430             nan     0.1502    0.0004
   240        0.5396             nan     0.1502   -0.0000
   260        0.5367             nan     0.1502   -0.0001
   280        0.5330             nan     0.1502   -0.0001
   300        0.5298             nan     0.1502   -0.0000
   320        0.5281             nan     0.1502   -0.0002
   340        0.5260             nan     0.1502   -0.0000
   360        0.5235             nan     0.1502   -0.0001
   380        0.5212             nan     0.1502   -0.0001
   400        0.5197             nan     0.1502   -0.0002
   420        0.5178             nan     0.1502   -0.0001
   440        0.5164             nan     0.1502   -0.0003
   460        0.5142             nan     0.1502   -0.0001
   480        0.5126             nan     0.1502   -0.0001
   500        0.5108             nan     0.1502   -0.0001
   520        0.5093             nan     0.1502   -0.0001
   540        0.5079             nan     0.1502   -0.0002
   560        0.5066             nan     0.1502   -0.0000
   580        0.5054             nan     0.1502   -0.0001
   600        0.5039             nan     0.1502   -0.0002
   620        0.5027             nan     0.1502   -0.0002
   640        0.5015             nan     0.1502   -0.0001
   660        0.4996             nan     0.1502   -0.0002
   680        0.4982             nan     0.1502   -0.0002
   689        0.4976             nan     0.1502   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9958             nan     0.1546    0.0503
     2        0.9301             nan     0.1546    0.0331
     3        0.8816             nan     0.1546    0.0234
     4        0.8467             nan     0.1546    0.0172
     5        0.8173             nan     0.1546    0.0147
     6        0.7953             nan     0.1546    0.0107
     7        0.7715             nan     0.1546    0.0117
     8        0.7556             nan     0.1546    0.0077
     9        0.7423             nan     0.1546    0.0062
    10        0.7266             nan     0.1546    0.0077
    20        0.6515             nan     0.1546    0.0027
    40        0.6051             nan     0.1546    0.0004
    60        0.5880             nan     0.1546    0.0000
    80        0.5766             nan     0.1546   -0.0000
   100        0.5677             nan     0.1546   -0.0002
   120        0.5616             nan     0.1546   -0.0002
   140        0.5568             nan     0.1546   -0.0001
   160        0.5501             nan     0.1546   -0.0001
   180        0.5460             nan     0.1546   -0.0001
   200        0.5418             nan     0.1546   -0.0001
   220        0.5376             nan     0.1546   -0.0002
   240        0.5331             nan     0.1546    0.0000
   260        0.5304             nan     0.1546   -0.0000
   280        0.5278             nan     0.1546   -0.0002
   300        0.5241             nan     0.1546   -0.0001
   320        0.5209             nan     0.1546   -0.0001
   340        0.5180             nan     0.1546   -0.0001
   347        0.5172             nan     0.1546   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9967             nan     0.1561    0.0513
     2        0.9314             nan     0.1561    0.0322
     3        0.8823             nan     0.1561    0.0237
     4        0.8446             nan     0.1561    0.0187
     5        0.8168             nan     0.1561    0.0136
     6        0.7927             nan     0.1561    0.0117
     7        0.7710             nan     0.1561    0.0106
     8        0.7540             nan     0.1561    0.0084
     9        0.7402             nan     0.1561    0.0070
    10        0.7279             nan     0.1561    0.0057
    20        0.6494             nan     0.1561    0.0026
    40        0.6044             nan     0.1561    0.0003
    60        0.5865             nan     0.1561   -0.0000
    80        0.5742             nan     0.1561    0.0003
   100        0.5678             nan     0.1561   -0.0000
   120        0.5596             nan     0.1561   -0.0000
   140        0.5538             nan     0.1561   -0.0001
   160        0.5486             nan     0.1561   -0.0000
   180        0.5445             nan     0.1561   -0.0001
   200        0.5405             nan     0.1561   -0.0000
   220        0.5367             nan     0.1561   -0.0000
   240        0.5330             nan     0.1561   -0.0001
   260        0.5298             nan     0.1561   -0.0002
   280        0.5263             nan     0.1561   -0.0002
   300        0.5235             nan     0.1561   -0.0002
   302        0.5232             nan     0.1561   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0097             nan     0.1572    0.0458
     2        0.9439             nan     0.1572    0.0327
     3        0.8980             nan     0.1572    0.0232
     4        0.8607             nan     0.1572    0.0186
     5        0.8331             nan     0.1572    0.0138
     6        0.8058             nan     0.1572    0.0139
     7        0.7837             nan     0.1572    0.0111
     8        0.7699             nan     0.1572    0.0067
     9        0.7529             nan     0.1572    0.0082
    10        0.7399             nan     0.1572    0.0065
    20        0.6668             nan     0.1572    0.0022
    40        0.6195             nan     0.1572    0.0005
    60        0.6023             nan     0.1572    0.0002
    80        0.5914             nan     0.1572   -0.0000
   100        0.5840             nan     0.1572   -0.0001
   120        0.5789             nan     0.1572   -0.0001
   140        0.5745             nan     0.1572   -0.0001
   160        0.5713             nan     0.1572   -0.0000
   180        0.5667             nan     0.1572    0.0000
   200        0.5639             nan     0.1572   -0.0001
   220        0.5602             nan     0.1572   -0.0001
   240        0.5577             nan     0.1572    0.0000
   260        0.5540             nan     0.1572    0.0000
   280        0.5516             nan     0.1572   -0.0001
   300        0.5499             nan     0.1572   -0.0000
   320        0.5486             nan     0.1572   -0.0001
   340        0.5459             nan     0.1572    0.0002
   360        0.5445             nan     0.1572   -0.0001
   380        0.5427             nan     0.1572   -0.0001
   400        0.5410             nan     0.1572   -0.0001
   404        0.5405             nan     0.1572   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0075             nan     0.1580    0.0460
     2        0.9408             nan     0.1580    0.0333
     3        0.8939             nan     0.1580    0.0229
     4        0.8537             nan     0.1580    0.0201
     5        0.8231             nan     0.1580    0.0149
     6        0.8010             nan     0.1580    0.0108
     7        0.7822             nan     0.1580    0.0092
     8        0.7654             nan     0.1580    0.0082
     9        0.7508             nan     0.1580    0.0070
    10        0.7385             nan     0.1580    0.0053
    20        0.6634             nan     0.1580    0.0026
    40        0.6186             nan     0.1580    0.0004
    60        0.6002             nan     0.1580    0.0003
    80        0.5904             nan     0.1580    0.0000
   100        0.5828             nan     0.1580   -0.0000
   120        0.5763             nan     0.1580   -0.0001
   140        0.5703             nan     0.1580   -0.0002
   160        0.5657             nan     0.1580   -0.0000
   180        0.5625             nan     0.1580   -0.0002
   200        0.5591             nan     0.1580   -0.0001
   220        0.5565             nan     0.1580   -0.0001
   240        0.5540             nan     0.1580   -0.0001
   260        0.5520             nan     0.1580   -0.0001
   280        0.5501             nan     0.1580   -0.0002
   300        0.5484             nan     0.1580   -0.0002
   320        0.5452             nan     0.1580   -0.0001
   340        0.5434             nan     0.1580   -0.0001
   360        0.5419             nan     0.1580   -0.0001
   380        0.5400             nan     0.1580   -0.0001
   400        0.5386             nan     0.1580   -0.0002
   420        0.5374             nan     0.1580   -0.0001
   440        0.5350             nan     0.1580   -0.0001
   460        0.5325             nan     0.1580   -0.0000
   480        0.5310             nan     0.1580   -0.0002
   500        0.5298             nan     0.1580   -0.0000
   514        0.5287             nan     0.1580   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0087             nan     0.1589    0.0465
     2        0.9447             nan     0.1589    0.0312
     3        0.8940             nan     0.1589    0.0245
     4        0.8536             nan     0.1589    0.0207
     5        0.8268             nan     0.1589    0.0131
     6        0.8011             nan     0.1589    0.0122
     7        0.7840             nan     0.1589    0.0080
     8        0.7664             nan     0.1589    0.0085
     9        0.7519             nan     0.1589    0.0071
    10        0.7375             nan     0.1589    0.0069
    20        0.6648             nan     0.1589    0.0023
    40        0.6186             nan     0.1589    0.0004
    60        0.6011             nan     0.1589   -0.0001
    80        0.5899             nan     0.1589    0.0002
   100        0.5799             nan     0.1589    0.0003
   120        0.5752             nan     0.1589   -0.0001
   140        0.5700             nan     0.1589   -0.0001
   160        0.5670             nan     0.1589   -0.0000
   180        0.5630             nan     0.1589   -0.0000
   200        0.5590             nan     0.1589   -0.0001
   220        0.5559             nan     0.1589   -0.0001
   240        0.5525             nan     0.1589    0.0000
   260        0.5501             nan     0.1589   -0.0000
   280        0.5479             nan     0.1589    0.0000
   300        0.5447             nan     0.1589   -0.0001
   320        0.5426             nan     0.1589   -0.0001
   340        0.5407             nan     0.1589   -0.0002
   360        0.5391             nan     0.1589   -0.0001
   380        0.5376             nan     0.1589   -0.0001
   400        0.5360             nan     0.1589   -0.0001
   420        0.5344             nan     0.1589   -0.0001
   440        0.5325             nan     0.1589   -0.0001
   460        0.5312             nan     0.1589   -0.0001
   480        0.5296             nan     0.1589   -0.0002
   500        0.5281             nan     0.1589   -0.0001
   520        0.5267             nan     0.1589   -0.0001
   540        0.5252             nan     0.1589   -0.0001
   557        0.5243             nan     0.1589   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0192             nan     0.1591    0.0405
     2        0.9640             nan     0.1591    0.0285
     3        0.9233             nan     0.1591    0.0199
     4        0.8831             nan     0.1591    0.0201
     5        0.8530             nan     0.1591    0.0150
     6        0.8317             nan     0.1591    0.0103
     7        0.8142             nan     0.1591    0.0084
     8        0.8017             nan     0.1591    0.0062
     9        0.7865             nan     0.1591    0.0075
    10        0.7743             nan     0.1591    0.0059
    20        0.6916             nan     0.1591    0.0017
    40        0.6364             nan     0.1591    0.0003
    60        0.6172             nan     0.1591    0.0004
    80        0.6046             nan     0.1591    0.0001
   100        0.5964             nan     0.1591    0.0001
   120        0.5900             nan     0.1591    0.0001
   140        0.5849             nan     0.1591   -0.0000
   160        0.5808             nan     0.1591    0.0000
   180        0.5779             nan     0.1591    0.0001
   200        0.5744             nan     0.1591   -0.0000
   220        0.5693             nan     0.1591   -0.0001
   240        0.5667             nan     0.1591   -0.0001
   260        0.5638             nan     0.1591   -0.0001
   280        0.5619             nan     0.1591    0.0000
   300        0.5598             nan     0.1591   -0.0001
   320        0.5575             nan     0.1591   -0.0001
   340        0.5561             nan     0.1591   -0.0001
   360        0.5544             nan     0.1591   -0.0001
   380        0.5530             nan     0.1591   -0.0001
   400        0.5521             nan     0.1591   -0.0001
   420        0.5506             nan     0.1591   -0.0001
   440        0.5491             nan     0.1591   -0.0001
   460        0.5481             nan     0.1591   -0.0001
   480        0.5470             nan     0.1591   -0.0000
   500        0.5460             nan     0.1591   -0.0001
   520        0.5446             nan     0.1591   -0.0001
   540        0.5435             nan     0.1591   -0.0001
   560        0.5425             nan     0.1591   -0.0001
   580        0.5409             nan     0.1591   -0.0001
   600        0.5397             nan     0.1591   -0.0001
   620        0.5380             nan     0.1591   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9981             nan     0.1593    0.0508
     2        0.9293             nan     0.1593    0.0333
     3        0.8802             nan     0.1593    0.0243
     4        0.8452             nan     0.1593    0.0179
     5        0.8159             nan     0.1593    0.0139
     6        0.7915             nan     0.1593    0.0123
     7        0.7670             nan     0.1593    0.0118
     8        0.7501             nan     0.1593    0.0082
     9        0.7367             nan     0.1593    0.0070
    10        0.7221             nan     0.1593    0.0069
    20        0.6480             nan     0.1593    0.0015
    40        0.6049             nan     0.1593    0.0008
    60        0.5877             nan     0.1593    0.0001
    80        0.5770             nan     0.1593   -0.0000
   100        0.5698             nan     0.1593   -0.0000
   120        0.5640             nan     0.1593   -0.0000
   140        0.5593             nan     0.1593   -0.0001
   160        0.5556             nan     0.1593   -0.0000
   180        0.5515             nan     0.1593   -0.0001
   200        0.5480             nan     0.1593   -0.0002
   220        0.5452             nan     0.1593   -0.0001
   240        0.5424             nan     0.1593   -0.0002
   260        0.5402             nan     0.1593   -0.0002
   280        0.5383             nan     0.1593   -0.0002
   300        0.5351             nan     0.1593   -0.0001
   320        0.5327             nan     0.1593   -0.0001
   340        0.5312             nan     0.1593   -0.0001
   360        0.5292             nan     0.1593   -0.0001
   380        0.5273             nan     0.1593   -0.0002
   400        0.5260             nan     0.1593   -0.0001
   420        0.5245             nan     0.1593   -0.0002
   440        0.5223             nan     0.1593   -0.0002
   460        0.5212             nan     0.1593   -0.0001
   480        0.5198             nan     0.1593   -0.0000
   500        0.5184             nan     0.1593   -0.0000
   520        0.5169             nan     0.1593   -0.0001
   540        0.5155             nan     0.1593   -0.0002
   560        0.5136             nan     0.1593   -0.0001
   580        0.5122             nan     0.1593   -0.0001
   600        0.5110             nan     0.1593   -0.0001
   620        0.5094             nan     0.1593   -0.0001
   639        0.5082             nan     0.1593   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9901             nan     0.1625    0.0541
     2        0.9202             nan     0.1625    0.0351
     3        0.8688             nan     0.1625    0.0257
     4        0.8296             nan     0.1625    0.0194
     5        0.8004             nan     0.1625    0.0145
     6        0.7763             nan     0.1625    0.0120
     7        0.7572             nan     0.1625    0.0094
     8        0.7384             nan     0.1625    0.0091
     9        0.7224             nan     0.1625    0.0079
    10        0.7104             nan     0.1625    0.0056
    20        0.6363             nan     0.1625    0.0012
    40        0.5963             nan     0.1625    0.0008
    60        0.5803             nan     0.1625    0.0000
    80        0.5680             nan     0.1625   -0.0001
   100        0.5619             nan     0.1625   -0.0002
   120        0.5552             nan     0.1625   -0.0001
   140        0.5499             nan     0.1625   -0.0002
   160        0.5446             nan     0.1625   -0.0002
   180        0.5401             nan     0.1625   -0.0001
   185        0.5392             nan     0.1625   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9908             nan     0.1685    0.0552
     2        0.9211             nan     0.1685    0.0344
     3        0.8718             nan     0.1685    0.0242
     4        0.8361             nan     0.1685    0.0172
     5        0.8060             nan     0.1685    0.0146
     6        0.7805             nan     0.1685    0.0127
     7        0.7568             nan     0.1685    0.0113
     8        0.7394             nan     0.1685    0.0085
     9        0.7255             nan     0.1685    0.0071
    10        0.7127             nan     0.1685    0.0056
    20        0.6410             nan     0.1685    0.0021
    40        0.6002             nan     0.1685    0.0002
    60        0.5823             nan     0.1685    0.0000
    80        0.5709             nan     0.1685   -0.0001
   100        0.5626             nan     0.1685   -0.0001
   120        0.5552             nan     0.1685   -0.0001
   140        0.5486             nan     0.1685   -0.0002
   160        0.5445             nan     0.1685   -0.0000
   180        0.5394             nan     0.1685   -0.0001
   200        0.5334             nan     0.1685   -0.0001
   220        0.5299             nan     0.1685   -0.0001
   240        0.5261             nan     0.1685   -0.0002
   260        0.5228             nan     0.1685   -0.0001
   280        0.5194             nan     0.1685   -0.0001
   300        0.5162             nan     0.1685   -0.0001
   320        0.5132             nan     0.1685   -0.0001
   340        0.5100             nan     0.1685   -0.0001
   360        0.5063             nan     0.1685   -0.0001
   380        0.5034             nan     0.1685   -0.0002
   400        0.5008             nan     0.1685   -0.0001
   420        0.4983             nan     0.1685   -0.0001
   440        0.4961             nan     0.1685   -0.0001
   460        0.4926             nan     0.1685   -0.0001
   480        0.4896             nan     0.1685   -0.0000
   500        0.4872             nan     0.1685   -0.0001
   520        0.4848             nan     0.1685   -0.0002
   540        0.4824             nan     0.1685   -0.0001
   560        0.4803             nan     0.1685   -0.0001
   580        0.4780             nan     0.1685   -0.0001
   600        0.4759             nan     0.1685   -0.0002
   620        0.4727             nan     0.1685   -0.0001
   640        0.4699             nan     0.1685   -0.0001
   660        0.4680             nan     0.1685   -0.0001
   680        0.4660             nan     0.1685   -0.0002
   700        0.4637             nan     0.1685   -0.0002
   720        0.4611             nan     0.1685   -0.0002
   740        0.4592             nan     0.1685   -0.0001
   750        0.4586             nan     0.1685   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0148             nan     0.1687    0.0429
     2        0.9575             nan     0.1687    0.0286
     3        0.9082             nan     0.1687    0.0244
     4        0.8788             nan     0.1687    0.0141
     5        0.8475             nan     0.1687    0.0150
     6        0.8263             nan     0.1687    0.0105
     7        0.8069             nan     0.1687    0.0100
     8        0.7869             nan     0.1687    0.0097
     9        0.7753             nan     0.1687    0.0058
    10        0.7625             nan     0.1687    0.0064
    20        0.6848             nan     0.1687    0.0020
    40        0.6336             nan     0.1687    0.0004
    60        0.6151             nan     0.1687    0.0001
    80        0.6032             nan     0.1687   -0.0001
   100        0.5954             nan     0.1687    0.0002
   120        0.5901             nan     0.1687    0.0001
   140        0.5864             nan     0.1687   -0.0001
   160        0.5824             nan     0.1687   -0.0001
   180        0.5789             nan     0.1687   -0.0001
   200        0.5760             nan     0.1687   -0.0001
   220        0.5736             nan     0.1687   -0.0001
   240        0.5712             nan     0.1687   -0.0001
   257        0.5695             nan     0.1687   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0143             nan     0.1688    0.0436
     2        0.9573             nan     0.1688    0.0281
     3        0.9016             nan     0.1688    0.0279
     4        0.8639             nan     0.1688    0.0194
     5        0.8395             nan     0.1688    0.0117
     6        0.8192             nan     0.1688    0.0097
     7        0.8009             nan     0.1688    0.0094
     8        0.7856             nan     0.1688    0.0073
     9        0.7696             nan     0.1688    0.0081
    10        0.7581             nan     0.1688    0.0054
    20        0.6824             nan     0.1688    0.0016
    40        0.6306             nan     0.1688    0.0005
    60        0.6127             nan     0.1688   -0.0001
    80        0.6011             nan     0.1688    0.0004
   100        0.5922             nan     0.1688    0.0000
   120        0.5864             nan     0.1688    0.0003
   140        0.5812             nan     0.1688   -0.0001
   160        0.5772             nan     0.1688    0.0002
   180        0.5739             nan     0.1688   -0.0000
   200        0.5712             nan     0.1688   -0.0001
   220        0.5690             nan     0.1688   -0.0001
   240        0.5665             nan     0.1688   -0.0001
   260        0.5629             nan     0.1688   -0.0001
   280        0.5610             nan     0.1688   -0.0002
   300        0.5594             nan     0.1688   -0.0001
   320        0.5579             nan     0.1688   -0.0001
   340        0.5562             nan     0.1688    0.0001
   360        0.5535             nan     0.1688   -0.0001
   380        0.5509             nan     0.1688   -0.0000
   400        0.5494             nan     0.1688   -0.0001
   420        0.5481             nan     0.1688   -0.0001
   440        0.5468             nan     0.1688   -0.0001
   460        0.5455             nan     0.1688   -0.0001
   480        0.5444             nan     0.1688   -0.0000
   500        0.5432             nan     0.1688   -0.0002
   520        0.5418             nan     0.1688   -0.0001
   540        0.5406             nan     0.1688   -0.0001
   560        0.5393             nan     0.1688   -0.0000
   572        0.5387             nan     0.1688   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9826             nan     0.1722    0.0575
     2        0.9118             nan     0.1722    0.0351
     3        0.8601             nan     0.1722    0.0252
     4        0.8214             nan     0.1722    0.0191
     5        0.7910             nan     0.1722    0.0149
     6        0.7671             nan     0.1722    0.0116
     7        0.7436             nan     0.1722    0.0114
     8        0.7245             nan     0.1722    0.0089
     9        0.7109             nan     0.1722    0.0065
    10        0.6985             nan     0.1722    0.0056
    20        0.6336             nan     0.1722    0.0014
    40        0.5923             nan     0.1722    0.0000
    60        0.5778             nan     0.1722    0.0001
    80        0.5650             nan     0.1722    0.0003
   100        0.5554             nan     0.1722   -0.0001
   120        0.5489             nan     0.1722   -0.0002
   140        0.5422             nan     0.1722   -0.0002
   160        0.5364             nan     0.1722   -0.0001
   180        0.5314             nan     0.1722   -0.0001
   200        0.5272             nan     0.1722   -0.0001
   220        0.5234             nan     0.1722   -0.0001
   240        0.5185             nan     0.1722   -0.0003
   260        0.5149             nan     0.1722   -0.0003
   280        0.5115             nan     0.1722   -0.0001
   300        0.5088             nan     0.1722   -0.0002
   320        0.5056             nan     0.1722   -0.0003
   340        0.5016             nan     0.1722   -0.0001
   360        0.4985             nan     0.1722   -0.0002
   380        0.4959             nan     0.1722   -0.0002
   400        0.4921             nan     0.1722   -0.0002
   420        0.4894             nan     0.1722   -0.0002
   440        0.4864             nan     0.1722   -0.0002
   460        0.4837             nan     0.1722   -0.0001
   480        0.4814             nan     0.1722   -0.0001
   500        0.4787             nan     0.1722   -0.0002
   520        0.4764             nan     0.1722   -0.0001
   540        0.4744             nan     0.1722   -0.0001
   560        0.4724             nan     0.1722   -0.0002
   580        0.4703             nan     0.1722   -0.0001
   600        0.4682             nan     0.1722   -0.0002
   620        0.4654             nan     0.1722   -0.0001
   640        0.4634             nan     0.1722   -0.0001
   660        0.4615             nan     0.1722   -0.0001
   665        0.4611             nan     0.1722   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9836             nan     0.1728    0.0569
     2        0.9125             nan     0.1728    0.0353
     3        0.8616             nan     0.1728    0.0261
     4        0.8238             nan     0.1728    0.0185
     5        0.7936             nan     0.1728    0.0153
     6        0.7703             nan     0.1728    0.0115
     7        0.7449             nan     0.1728    0.0118
     8        0.7283             nan     0.1728    0.0080
     9        0.7132             nan     0.1728    0.0070
    10        0.6979             nan     0.1728    0.0073
    20        0.6344             nan     0.1728    0.0016
    40        0.5984             nan     0.1728    0.0006
    60        0.5834             nan     0.1728   -0.0000
    80        0.5729             nan     0.1728    0.0002
   100        0.5654             nan     0.1728   -0.0002
   120        0.5592             nan     0.1728   -0.0001
   140        0.5542             nan     0.1728   -0.0001
   160        0.5499             nan     0.1728   -0.0002
   180        0.5461             nan     0.1728   -0.0002
   200        0.5422             nan     0.1728   -0.0002
   220        0.5383             nan     0.1728   -0.0001
   240        0.5349             nan     0.1728   -0.0002
   260        0.5314             nan     0.1728   -0.0002
   280        0.5278             nan     0.1728   -0.0002
   300        0.5249             nan     0.1728   -0.0003
   320        0.5212             nan     0.1728   -0.0001
   340        0.5190             nan     0.1728   -0.0003
   360        0.5161             nan     0.1728    0.0001
   380        0.5138             nan     0.1728   -0.0001
   400        0.5110             nan     0.1728   -0.0004
   420        0.5090             nan     0.1728   -0.0002
   434        0.5075             nan     0.1728   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9856             nan     0.1746    0.0559
     2        0.9159             nan     0.1746    0.0351
     3        0.8667             nan     0.1746    0.0245
     4        0.8321             nan     0.1746    0.0167
     5        0.8045             nan     0.1746    0.0134
     6        0.7770             nan     0.1746    0.0136
     7        0.7577             nan     0.1746    0.0094
     8        0.7376             nan     0.1746    0.0097
     9        0.7202             nan     0.1746    0.0081
    10        0.7080             nan     0.1746    0.0059
    20        0.6420             nan     0.1746    0.0021
    40        0.6005             nan     0.1746    0.0002
    60        0.5815             nan     0.1746   -0.0001
    80        0.5714             nan     0.1746   -0.0001
   100        0.5622             nan     0.1746   -0.0000
   120        0.5558             nan     0.1746   -0.0001
   140        0.5482             nan     0.1746    0.0000
   160        0.5429             nan     0.1746   -0.0000
   180        0.5369             nan     0.1746    0.0001
   200        0.5330             nan     0.1746   -0.0001
   220        0.5292             nan     0.1746   -0.0001
   240        0.5259             nan     0.1746   -0.0002
   260        0.5219             nan     0.1746   -0.0001
   280        0.5189             nan     0.1746   -0.0001
   300        0.5161             nan     0.1746   -0.0002
   320        0.5133             nan     0.1746   -0.0000
   340        0.5095             nan     0.1746    0.0000
   360        0.5066             nan     0.1746   -0.0001
   380        0.5037             nan     0.1746   -0.0002
   400        0.5004             nan     0.1746   -0.0001
   420        0.4978             nan     0.1746   -0.0002
   440        0.4955             nan     0.1746   -0.0002
   460        0.4936             nan     0.1746   -0.0002
   480        0.4911             nan     0.1746   -0.0001
   500        0.4877             nan     0.1746   -0.0001
   520        0.4854             nan     0.1746   -0.0002
   540        0.4837             nan     0.1746   -0.0001
   560        0.4817             nan     0.1746   -0.0000
   580        0.4783             nan     0.1746   -0.0001
   600        0.4759             nan     0.1746   -0.0001
   620        0.4738             nan     0.1746   -0.0001
   640        0.4710             nan     0.1746   -0.0001
   660        0.4686             nan     0.1746   -0.0001
   680        0.4664             nan     0.1746   -0.0001
   700        0.4641             nan     0.1746   -0.0001
   720        0.4619             nan     0.1746   -0.0001
   740        0.4596             nan     0.1746   -0.0001
   760        0.4582             nan     0.1746   -0.0001
   780        0.4561             nan     0.1746   -0.0002
   800        0.4542             nan     0.1746   -0.0002
   820        0.4517             nan     0.1746   -0.0001
   840        0.4500             nan     0.1746   -0.0002
   860        0.4482             nan     0.1746   -0.0002
   870        0.4471             nan     0.1746   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9966             nan     0.1804    0.0518
     2        0.9249             nan     0.1804    0.0368
     3        0.8768             nan     0.1804    0.0233
     4        0.8403             nan     0.1804    0.0181
     5        0.8098             nan     0.1804    0.0147
     6        0.7877             nan     0.1804    0.0108
     7        0.7686             nan     0.1804    0.0090
     8        0.7502             nan     0.1804    0.0091
     9        0.7367             nan     0.1804    0.0066
    10        0.7220             nan     0.1804    0.0069
    20        0.6519             nan     0.1804    0.0026
    40        0.6118             nan     0.1804    0.0002
    60        0.5935             nan     0.1804    0.0003
    80        0.5835             nan     0.1804    0.0001
   100        0.5771             nan     0.1804   -0.0000
   120        0.5714             nan     0.1804   -0.0002
   140        0.5670             nan     0.1804   -0.0001
   160        0.5623             nan     0.1804   -0.0000
   180        0.5590             nan     0.1804   -0.0001
   200        0.5546             nan     0.1804   -0.0001
   220        0.5512             nan     0.1804   -0.0001
   240        0.5485             nan     0.1804   -0.0001
   260        0.5453             nan     0.1804   -0.0002
   280        0.5439             nan     0.1804   -0.0001
   300        0.5413             nan     0.1804   -0.0002
   320        0.5398             nan     0.1804   -0.0002
   340        0.5385             nan     0.1804   -0.0002
   360        0.5364             nan     0.1804   -0.0002
   380        0.5348             nan     0.1804   -0.0001
   400        0.5330             nan     0.1804   -0.0002
   420        0.5311             nan     0.1804   -0.0002
   440        0.5292             nan     0.1804   -0.0001
   460        0.5276             nan     0.1804   -0.0001
   480        0.5253             nan     0.1804   -0.0001
   500        0.5243             nan     0.1804   -0.0002
   520        0.5235             nan     0.1804   -0.0001
   540        0.5220             nan     0.1804   -0.0001
   560        0.5200             nan     0.1804   -0.0001
   580        0.5187             nan     0.1804   -0.0001
   600        0.5174             nan     0.1804   -0.0001
   620        0.5160             nan     0.1804   -0.0001
   640        0.5148             nan     0.1804   -0.0002
   660        0.5134             nan     0.1804   -0.0002
   667        0.5133             nan     0.1804   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9932             nan     0.1837    0.0518
     2        0.9198             nan     0.1837    0.0360
     3        0.8659             nan     0.1837    0.0260
     4        0.8280             nan     0.1837    0.0187
     5        0.8015             nan     0.1837    0.0131
     6        0.7775             nan     0.1837    0.0110
     7        0.7590             nan     0.1837    0.0092
     8        0.7427             nan     0.1837    0.0080
     9        0.7298             nan     0.1837    0.0065
    10        0.7172             nan     0.1837    0.0062
    20        0.6501             nan     0.1837    0.0022
    40        0.6090             nan     0.1837    0.0007
    60        0.5919             nan     0.1837   -0.0000
    80        0.5815             nan     0.1837    0.0001
   100        0.5735             nan     0.1837   -0.0001
   120        0.5682             nan     0.1837   -0.0001
   140        0.5619             nan     0.1837   -0.0001
   160        0.5567             nan     0.1837   -0.0001
   180        0.5529             nan     0.1837   -0.0002
   200        0.5502             nan     0.1837   -0.0001
   220        0.5466             nan     0.1837   -0.0002
   240        0.5440             nan     0.1837   -0.0001
   260        0.5414             nan     0.1837   -0.0002
   280        0.5391             nan     0.1837   -0.0002
   300        0.5370             nan     0.1837   -0.0001
   320        0.5349             nan     0.1837   -0.0002
   340        0.5329             nan     0.1837   -0.0001
   360        0.5312             nan     0.1837   -0.0000
   380        0.5299             nan     0.1837   -0.0001
   400        0.5282             nan     0.1837   -0.0001
   420        0.5263             nan     0.1837   -0.0001
   440        0.5244             nan     0.1837   -0.0001
   460        0.5228             nan     0.1837   -0.0000
   480        0.5211             nan     0.1837   -0.0001
   500        0.5199             nan     0.1837   -0.0001
   507        0.5191             nan     0.1837   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0082             nan     0.1839    0.0458
     2        0.9476             nan     0.1839    0.0307
     3        0.9042             nan     0.1839    0.0219
     4        0.8625             nan     0.1839    0.0212
     5        0.8341             nan     0.1839    0.0142
     6        0.8132             nan     0.1839    0.0101
     7        0.7924             nan     0.1839    0.0101
     8        0.7780             nan     0.1839    0.0070
     9        0.7620             nan     0.1839    0.0077
    10        0.7515             nan     0.1839    0.0053
    20        0.6754             nan     0.1839    0.0017
    40        0.6282             nan     0.1839    0.0004
    60        0.6100             nan     0.1839   -0.0000
    80        0.5982             nan     0.1839    0.0000
   100        0.5912             nan     0.1839    0.0001
   120        0.5862             nan     0.1839   -0.0000
   140        0.5811             nan     0.1839   -0.0001
   160        0.5774             nan     0.1839   -0.0001
   180        0.5735             nan     0.1839    0.0002
   200        0.5712             nan     0.1839   -0.0002
   220        0.5684             nan     0.1839    0.0000
   240        0.5672             nan     0.1839   -0.0001
   260        0.5652             nan     0.1839   -0.0000
   280        0.5633             nan     0.1839   -0.0000
   300        0.5610             nan     0.1839   -0.0000
   320        0.5595             nan     0.1839    0.0000
   340        0.5581             nan     0.1839   -0.0001
   360        0.5572             nan     0.1839   -0.0001
   380        0.5559             nan     0.1839    0.0000
   400        0.5551             nan     0.1839   -0.0001
   420        0.5541             nan     0.1839   -0.0002
   440        0.5527             nan     0.1839   -0.0002
   460        0.5514             nan     0.1839   -0.0000
   480        0.5493             nan     0.1839   -0.0001
   500        0.5479             nan     0.1839   -0.0001
   520        0.5471             nan     0.1839   -0.0001
   540        0.5460             nan     0.1839   -0.0001
   560        0.5450             nan     0.1839   -0.0001
   580        0.5443             nan     0.1839   -0.0002
   600        0.5434             nan     0.1839   -0.0001
   620        0.5419             nan     0.1839   -0.0000
   640        0.5411             nan     0.1839   -0.0001
   660        0.5403             nan     0.1839    0.0001
   680        0.5391             nan     0.1839   -0.0001
   700        0.5380             nan     0.1839   -0.0001
   706        0.5379             nan     0.1839   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0036             nan     0.1931    0.0487
     2        0.9417             nan     0.1931    0.0313
     3        0.8905             nan     0.1931    0.0260
     4        0.8608             nan     0.1931    0.0148
     5        0.8312             nan     0.1931    0.0147
     6        0.8090             nan     0.1931    0.0107
     7        0.7932             nan     0.1931    0.0070
     8        0.7735             nan     0.1931    0.0099
     9        0.7574             nan     0.1931    0.0082
    10        0.7444             nan     0.1931    0.0062
    20        0.6702             nan     0.1931    0.0020
    40        0.6240             nan     0.1931    0.0005
    60        0.6079             nan     0.1931    0.0000
    80        0.5962             nan     0.1931    0.0004
   100        0.5887             nan     0.1931   -0.0001
   120        0.5837             nan     0.1931    0.0000
   140        0.5795             nan     0.1931   -0.0000
   160        0.5763             nan     0.1931   -0.0001
   180        0.5734             nan     0.1931    0.0000
   200        0.5699             nan     0.1931   -0.0001
   220        0.5679             nan     0.1931   -0.0000
   240        0.5649             nan     0.1931   -0.0000
   260        0.5624             nan     0.1931    0.0002
   280        0.5598             nan     0.1931   -0.0000
   300        0.5567             nan     0.1931   -0.0001
   320        0.5554             nan     0.1931   -0.0001
   340        0.5539             nan     0.1931   -0.0001
   360        0.5520             nan     0.1931   -0.0000
   380        0.5503             nan     0.1931   -0.0002
   400        0.5489             nan     0.1931   -0.0001
   420        0.5482             nan     0.1931   -0.0002
   440        0.5472             nan     0.1931    0.0000
   460        0.5462             nan     0.1931   -0.0001
   480        0.5451             nan     0.1931   -0.0001
   500        0.5444             nan     0.1931   -0.0002
   520        0.5433             nan     0.1931   -0.0001
   540        0.5420             nan     0.1931   -0.0001
   560        0.5412             nan     0.1931   -0.0001
   580        0.5402             nan     0.1931   -0.0002
   600        0.5391             nan     0.1931   -0.0001
   620        0.5381             nan     0.1931   -0.0000
   637        0.5372             nan     0.1931   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9907             nan     0.1938    0.0568
     2        0.9190             nan     0.1938    0.0343
     3        0.8663             nan     0.1938    0.0254
     4        0.8248             nan     0.1938    0.0205
     5        0.7924             nan     0.1938    0.0155
     6        0.7682             nan     0.1938    0.0120
     7        0.7524             nan     0.1938    0.0079
     8        0.7368             nan     0.1938    0.0076
     9        0.7248             nan     0.1938    0.0059
    10        0.7108             nan     0.1938    0.0068
    20        0.6445             nan     0.1938    0.0017
    40        0.6052             nan     0.1938    0.0004
    60        0.5869             nan     0.1938    0.0002
    80        0.5784             nan     0.1938    0.0000
   100        0.5731             nan     0.1938   -0.0001
   120        0.5651             nan     0.1938   -0.0001
   140        0.5594             nan     0.1938   -0.0002
   160        0.5559             nan     0.1938   -0.0001
   180        0.5514             nan     0.1938    0.0002
   200        0.5486             nan     0.1938   -0.0002
   220        0.5433             nan     0.1938   -0.0002
   240        0.5406             nan     0.1938   -0.0002
   260        0.5378             nan     0.1938   -0.0002
   280        0.5356             nan     0.1938   -0.0001
   300        0.5325             nan     0.1938   -0.0001
   320        0.5298             nan     0.1938   -0.0002
   340        0.5278             nan     0.1938   -0.0001
   360        0.5258             nan     0.1938   -0.0001
   380        0.5239             nan     0.1938    0.0000
   400        0.5217             nan     0.1938   -0.0001
   420        0.5196             nan     0.1938   -0.0002
   440        0.5181             nan     0.1938   -0.0002
   460        0.5164             nan     0.1938   -0.0001
   480        0.5147             nan     0.1938   -0.0002
   500        0.5127             nan     0.1938   -0.0001
   520        0.5111             nan     0.1938   -0.0002
   523        0.5107             nan     0.1938   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0303             nan     0.1946    0.0350
     2        0.9836             nan     0.1946    0.0224
     3        0.9456             nan     0.1946    0.0181
     4        0.9149             nan     0.1946    0.0158
     5        0.8873             nan     0.1946    0.0137
     6        0.8684             nan     0.1946    0.0095
     7        0.8501             nan     0.1946    0.0090
     8        0.8322             nan     0.1946    0.0090
     9        0.8207             nan     0.1946    0.0057
    10        0.8096             nan     0.1946    0.0054
    20        0.7286             nan     0.1946    0.0032
    40        0.6633             nan     0.1946    0.0005
    60        0.6387             nan     0.1946    0.0003
    80        0.6235             nan     0.1946    0.0002
   100        0.6158             nan     0.1946    0.0001
   120        0.6093             nan     0.1946   -0.0001
   140        0.6052             nan     0.1946    0.0000
   160        0.6007             nan     0.1946    0.0001
   180        0.5983             nan     0.1946   -0.0001
   200        0.5955             nan     0.1946   -0.0001
   220        0.5930             nan     0.1946   -0.0001
   240        0.5911             nan     0.1946   -0.0000
   260        0.5897             nan     0.1946   -0.0000
   280        0.5885             nan     0.1946   -0.0001
   300        0.5874             nan     0.1946   -0.0001
   320        0.5862             nan     0.1946   -0.0001
   340        0.5847             nan     0.1946   -0.0001
   360        0.5840             nan     0.1946   -0.0001
   380        0.5833             nan     0.1946   -0.0001
   400        0.5829             nan     0.1946   -0.0000
   420        0.5818             nan     0.1946   -0.0000
   440        0.5814             nan     0.1946   -0.0002
   460        0.5809             nan     0.1946   -0.0000
   480        0.5802             nan     0.1946   -0.0001
   500        0.5797             nan     0.1946   -0.0001
   520        0.5794             nan     0.1946   -0.0001
   540        0.5788             nan     0.1946   -0.0000
   560        0.5784             nan     0.1946   -0.0001
   580        0.5779             nan     0.1946   -0.0001
   600        0.5774             nan     0.1946   -0.0001
   603        0.5773             nan     0.1946   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0006             nan     0.1956    0.0493
     2        0.9369             nan     0.1956    0.0302
     3        0.8940             nan     0.1956    0.0214
     4        0.8525             nan     0.1956    0.0214
     5        0.8236             nan     0.1956    0.0146
     6        0.8058             nan     0.1956    0.0083
     7        0.7879             nan     0.1956    0.0089
     8        0.7703             nan     0.1956    0.0089
     9        0.7529             nan     0.1956    0.0085
    10        0.7417             nan     0.1956    0.0056
    20        0.6678             nan     0.1956    0.0017
    40        0.6259             nan     0.1956    0.0003
    60        0.6073             nan     0.1956    0.0000
    80        0.5964             nan     0.1956    0.0000
   100        0.5885             nan     0.1956   -0.0000
   120        0.5833             nan     0.1956   -0.0001
   140        0.5758             nan     0.1956   -0.0001
   160        0.5712             nan     0.1956   -0.0000
   180        0.5682             nan     0.1956   -0.0001
   200        0.5641             nan     0.1956   -0.0000
   220        0.5625             nan     0.1956   -0.0001
   240        0.5596             nan     0.1956   -0.0000
   260        0.5582             nan     0.1956   -0.0002
   280        0.5559             nan     0.1956   -0.0001
   300        0.5545             nan     0.1956   -0.0001
   310        0.5530             nan     0.1956   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0009             nan     0.1958    0.0490
     2        0.9256             nan     0.1958    0.0372
     3        0.8812             nan     0.1958    0.0217
     4        0.8433             nan     0.1958    0.0191
     5        0.8189             nan     0.1958    0.0123
     6        0.7987             nan     0.1958    0.0101
     7        0.7802             nan     0.1958    0.0090
     8        0.7639             nan     0.1958    0.0079
     9        0.7512             nan     0.1958    0.0060
    10        0.7383             nan     0.1958    0.0062
    20        0.6680             nan     0.1958    0.0016
    40        0.6263             nan     0.1958    0.0001
    60        0.6098             nan     0.1958   -0.0001
    80        0.5994             nan     0.1958    0.0003
   100        0.5924             nan     0.1958   -0.0001
   120        0.5864             nan     0.1958    0.0003
   140        0.5822             nan     0.1958   -0.0001
   160        0.5780             nan     0.1958   -0.0001
   180        0.5740             nan     0.1958   -0.0001
   200        0.5711             nan     0.1958   -0.0001
   220        0.5692             nan     0.1958   -0.0000
   240        0.5675             nan     0.1958   -0.0001
   260        0.5650             nan     0.1958   -0.0001
   280        0.5634             nan     0.1958   -0.0001
   300        0.5621             nan     0.1958   -0.0000
   320        0.5596             nan     0.1958   -0.0001
   340        0.5578             nan     0.1958   -0.0001
   360        0.5559             nan     0.1958   -0.0001
   380        0.5538             nan     0.1958   -0.0001
   400        0.5523             nan     0.1958   -0.0002
   420        0.5504             nan     0.1958   -0.0001
   440        0.5495             nan     0.1958   -0.0001
   460        0.5483             nan     0.1958   -0.0001
   467        0.5480             nan     0.1958   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0017             nan     0.1968    0.0505
     2        0.9378             nan     0.1968    0.0308
     3        0.8861             nan     0.1968    0.0248
     4        0.8562             nan     0.1968    0.0146
     5        0.8277             nan     0.1968    0.0144
     6        0.8059             nan     0.1968    0.0106
     7        0.7844             nan     0.1968    0.0107
     8        0.7663             nan     0.1968    0.0090
     9        0.7535             nan     0.1968    0.0062
    10        0.7424             nan     0.1968    0.0052
    20        0.6668             nan     0.1968    0.0030
    40        0.6236             nan     0.1968    0.0004
    60        0.6066             nan     0.1968    0.0001
    80        0.5955             nan     0.1968   -0.0001
   100        0.5879             nan     0.1968   -0.0000
   120        0.5823             nan     0.1968   -0.0001
   140        0.5777             nan     0.1968   -0.0001
   160        0.5739             nan     0.1968   -0.0001
   180        0.5701             nan     0.1968   -0.0001
   200        0.5675             nan     0.1968   -0.0001
   220        0.5642             nan     0.1968   -0.0000
   240        0.5616             nan     0.1968   -0.0001
   260        0.5593             nan     0.1968   -0.0001
   277        0.5574             nan     0.1968   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0017             nan     0.1973    0.0488
     2        0.9390             nan     0.1973    0.0313
     3        0.8869             nan     0.1973    0.0259
     4        0.8513             nan     0.1973    0.0177
     5        0.8248             nan     0.1973    0.0131
     6        0.8052             nan     0.1973    0.0096
     7        0.7834             nan     0.1973    0.0108
     8        0.7694             nan     0.1973    0.0067
     9        0.7541             nan     0.1973    0.0070
    10        0.7443             nan     0.1973    0.0047
    20        0.6687             nan     0.1973    0.0028
    40        0.6256             nan     0.1973    0.0005
    60        0.6089             nan     0.1973    0.0004
    80        0.5983             nan     0.1973   -0.0001
   100        0.5904             nan     0.1973   -0.0001
   120        0.5853             nan     0.1973   -0.0001
   140        0.5798             nan     0.1973   -0.0001
   160        0.5768             nan     0.1973   -0.0001
   180        0.5747             nan     0.1973   -0.0001
   200        0.5714             nan     0.1973   -0.0001
   220        0.5684             nan     0.1973   -0.0000
   240        0.5655             nan     0.1973    0.0000
   260        0.5639             nan     0.1973   -0.0001
   280        0.5612             nan     0.1973   -0.0001
   300        0.5593             nan     0.1973   -0.0002
   320        0.5579             nan     0.1973   -0.0001
   340        0.5558             nan     0.1973   -0.0001
   360        0.5542             nan     0.1973   -0.0002
   380        0.5521             nan     0.1973   -0.0000
   400        0.5511             nan     0.1973   -0.0001
   420        0.5503             nan     0.1973   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9862             nan     0.1983    0.0566
     2        0.9134             nan     0.1983    0.0378
     3        0.8632             nan     0.1983    0.0252
     4        0.8212             nan     0.1983    0.0213
     5        0.7910             nan     0.1983    0.0147
     6        0.7714             nan     0.1983    0.0094
     7        0.7560             nan     0.1983    0.0077
     8        0.7389             nan     0.1983    0.0086
     9        0.7257             nan     0.1983    0.0061
    10        0.7134             nan     0.1983    0.0059
    20        0.6449             nan     0.1983    0.0017
    40        0.6077             nan     0.1983    0.0001
    60        0.5916             nan     0.1983    0.0001
    80        0.5818             nan     0.1983   -0.0001
   100        0.5744             nan     0.1983   -0.0001
   120        0.5665             nan     0.1983   -0.0000
   140        0.5617             nan     0.1983   -0.0000
   160        0.5584             nan     0.1983   -0.0001
   180        0.5546             nan     0.1983   -0.0000
   200        0.5518             nan     0.1983   -0.0001
   220        0.5492             nan     0.1983   -0.0000
   240        0.5465             nan     0.1983   -0.0002
   260        0.5440             nan     0.1983   -0.0002
   280        0.5423             nan     0.1983   -0.0002
   300        0.5407             nan     0.1983    0.0000
   320        0.5388             nan     0.1983   -0.0001
   340        0.5374             nan     0.1983   -0.0002
   360        0.5353             nan     0.1983   -0.0001
   380        0.5337             nan     0.1983   -0.0001
   400        0.5319             nan     0.1983   -0.0002
   420        0.5301             nan     0.1983   -0.0001
   440        0.5282             nan     0.1983   -0.0002
   460        0.5262             nan     0.1983   -0.0001
   480        0.5249             nan     0.1983   -0.0002
   500        0.5235             nan     0.1983   -0.0001
   520        0.5223             nan     0.1983   -0.0001
   540        0.5208             nan     0.1983   -0.0002
   560        0.5196             nan     0.1983    0.0000
   580        0.5182             nan     0.1983   -0.0002
   594        0.5176             nan     0.1983   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9850             nan     0.1999    0.0579
     2        0.9096             nan     0.1999    0.0381
     3        0.8617             nan     0.1999    0.0236
     4        0.8205             nan     0.1999    0.0202
     5        0.7950             nan     0.1999    0.0123
     6        0.7730             nan     0.1999    0.0110
     7        0.7508             nan     0.1999    0.0109
     8        0.7367             nan     0.1999    0.0067
     9        0.7251             nan     0.1999    0.0058
    10        0.7139             nan     0.1999    0.0053
    20        0.6456             nan     0.1999    0.0018
    40        0.6071             nan     0.1999    0.0002
    60        0.5909             nan     0.1999    0.0000
    80        0.5777             nan     0.1999    0.0001
   100        0.5708             nan     0.1999   -0.0000
   120        0.5654             nan     0.1999   -0.0001
   140        0.5603             nan     0.1999   -0.0001
   160        0.5562             nan     0.1999   -0.0001
   180        0.5522             nan     0.1999   -0.0001
   196        0.5493             nan     0.1999   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0917             nan     0.0116    0.0044
     2        1.0832             nan     0.0116    0.0043
     3        1.0751             nan     0.0116    0.0041
     4        1.0672             nan     0.0116    0.0039
     5        1.0596             nan     0.0116    0.0038
     6        1.0521             nan     0.0116    0.0037
     7        1.0449             nan     0.0116    0.0036
     8        1.0380             nan     0.0116    0.0035
     9        1.0312             nan     0.0116    0.0034
    10        1.0246             nan     0.0116    0.0033
    20        0.9670             nan     0.0116    0.0026
    40        0.8845             nan     0.0116    0.0017
    60        0.8285             nan     0.0116    0.0012
    80        0.7879             nan     0.0116    0.0009
   100        0.7563             nan     0.0116    0.0008
   120        0.7310             nan     0.0116    0.0007
   140        0.7114             nan     0.0116    0.0004
   160        0.6945             nan     0.0116    0.0003
   180        0.6807             nan     0.0116    0.0003
   200        0.6693             nan     0.0116    0.0003
   220        0.6599             nan     0.0116    0.0002
   240        0.6515             nan     0.0116    0.0002
   260        0.6441             nan     0.0116    0.0002
   280        0.6376             nan     0.0116    0.0001
   300        0.6322             nan     0.0116    0.0001
   320        0.6274             nan     0.0116    0.0001
   340        0.6227             nan     0.0116    0.0001
   360        0.6188             nan     0.0116    0.0000
   380        0.6148             nan     0.0116    0.0001
   400        0.6114             nan     0.0116    0.0000
   420        0.6083             nan     0.0116    0.0001
   440        0.6053             nan     0.0116    0.0000
   460        0.6028             nan     0.0116    0.0001
   480        0.6004             nan     0.0116    0.0001
   500        0.5981             nan     0.0116    0.0000
   520        0.5962             nan     0.0116    0.0000
   540        0.5940             nan     0.0116    0.0000
   560        0.5920             nan     0.0116    0.0000
   580        0.5902             nan     0.0116   -0.0000
   600        0.5885             nan     0.0116    0.0000
   620        0.5870             nan     0.0116    0.0000
   628        0.5864             nan     0.0116    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0921             nan     0.0118    0.0042
     2        1.0841             nan     0.0118    0.0041
     3        1.0762             nan     0.0118    0.0039
     4        1.0686             nan     0.0118    0.0037
     5        1.0612             nan     0.0118    0.0037
     6        1.0540             nan     0.0118    0.0036
     7        1.0469             nan     0.0118    0.0036
     8        1.0401             nan     0.0118    0.0033
     9        1.0335             nan     0.0118    0.0033
    10        1.0272             nan     0.0118    0.0032
    20        0.9710             nan     0.0118    0.0025
    40        0.8912             nan     0.0118    0.0016
    60        0.8372             nan     0.0118    0.0011
    80        0.7970             nan     0.0118    0.0009
   100        0.7650             nan     0.0118    0.0007
   120        0.7397             nan     0.0118    0.0004
   140        0.7198             nan     0.0118    0.0004
   160        0.7038             nan     0.0118    0.0003
   180        0.6905             nan     0.0118    0.0003
   200        0.6796             nan     0.0118    0.0002
   220        0.6700             nan     0.0118    0.0002
   240        0.6613             nan     0.0118    0.0001
   260        0.6542             nan     0.0118    0.0002
   280        0.6481             nan     0.0118    0.0002
   300        0.6422             nan     0.0118    0.0001
   320        0.6374             nan     0.0118    0.0001
   340        0.6330             nan     0.0118    0.0001
   360        0.6294             nan     0.0118    0.0001
   366        0.6282             nan     0.0118    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0909             nan     0.0134    0.0048
     2        1.0818             nan     0.0134    0.0045
     3        1.0729             nan     0.0134    0.0045
     4        1.0642             nan     0.0134    0.0043
     5        1.0558             nan     0.0134    0.0042
     6        1.0478             nan     0.0134    0.0041
     7        1.0402             nan     0.0134    0.0039
     8        1.0326             nan     0.0134    0.0037
     9        1.0253             nan     0.0134    0.0037
    10        1.0184             nan     0.0134    0.0035
    20        0.9574             nan     0.0134    0.0026
    40        0.8736             nan     0.0134    0.0016
    60        0.8189             nan     0.0134    0.0011
    80        0.7780             nan     0.0134    0.0007
   100        0.7479             nan     0.0134    0.0006
   120        0.7239             nan     0.0134    0.0005
   140        0.7044             nan     0.0134    0.0003
   160        0.6890             nan     0.0134    0.0004
   180        0.6764             nan     0.0134    0.0002
   200        0.6666             nan     0.0134    0.0002
   220        0.6572             nan     0.0134    0.0002
   240        0.6493             nan     0.0134    0.0002
   260        0.6428             nan     0.0134    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0885             nan     0.0164    0.0059
     2        1.0773             nan     0.0164    0.0056
     3        1.0667             nan     0.0164    0.0053
     4        1.0566             nan     0.0164    0.0050
     5        1.0467             nan     0.0164    0.0049
     6        1.0373             nan     0.0164    0.0046
     7        1.0282             nan     0.0164    0.0046
     8        1.0193             nan     0.0164    0.0043
     9        1.0108             nan     0.0164    0.0042
    10        1.0025             nan     0.0164    0.0042
    20        0.9346             nan     0.0164    0.0030
    40        0.8467             nan     0.0164    0.0017
    60        0.7901             nan     0.0164    0.0014
    80        0.7504             nan     0.0164    0.0008
   100        0.7218             nan     0.0164    0.0005
   120        0.7000             nan     0.0164    0.0004
   140        0.6824             nan     0.0164    0.0004
   160        0.6690             nan     0.0164    0.0003
   180        0.6577             nan     0.0164    0.0003
   200        0.6483             nan     0.0164    0.0001
   220        0.6409             nan     0.0164    0.0001
   240        0.6342             nan     0.0164    0.0002
   260        0.6282             nan     0.0164    0.0001
   280        0.6231             nan     0.0164    0.0001
   300        0.6180             nan     0.0164    0.0001
   320        0.6143             nan     0.0164    0.0001
   340        0.6107             nan     0.0164    0.0001
   360        0.6077             nan     0.0164    0.0000
   380        0.6046             nan     0.0164    0.0000
   400        0.6019             nan     0.0164    0.0000
   420        0.5992             nan     0.0164    0.0000
   440        0.5971             nan     0.0164    0.0000
   460        0.5948             nan     0.0164    0.0000
   480        0.5927             nan     0.0164   -0.0000
   500        0.5910             nan     0.0164    0.0000
   520        0.5892             nan     0.0164    0.0000
   540        0.5874             nan     0.0164    0.0000
   560        0.5860             nan     0.0164    0.0000
   580        0.5847             nan     0.0164    0.0000
   600        0.5833             nan     0.0164   -0.0000
   620        0.5816             nan     0.0164   -0.0000
   640        0.5805             nan     0.0164    0.0000
   660        0.5793             nan     0.0164   -0.0000
   680        0.5779             nan     0.0164    0.0000
   700        0.5771             nan     0.0164   -0.0000
   720        0.5759             nan     0.0164    0.0000
   740        0.5750             nan     0.0164   -0.0000
   760        0.5740             nan     0.0164   -0.0000
   780        0.5729             nan     0.0164    0.0000
   800        0.5718             nan     0.0164   -0.0000
   820        0.5708             nan     0.0164    0.0000
   840        0.5701             nan     0.0164   -0.0000
   860        0.5692             nan     0.0164    0.0000
   880        0.5684             nan     0.0164    0.0000
   900        0.5675             nan     0.0164    0.0000
   920        0.5668             nan     0.0164   -0.0000
   940        0.5661             nan     0.0164   -0.0000
   960        0.5654             nan     0.0164    0.0000
   980        0.5647             nan     0.0164    0.0000
   985        0.5646             nan     0.0164    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0898             nan     0.0166    0.0053
     2        1.0795             nan     0.0166    0.0051
     3        1.0697             nan     0.0166    0.0050
     4        1.0604             nan     0.0166    0.0046
     5        1.0512             nan     0.0166    0.0045
     6        1.0423             nan     0.0166    0.0045
     7        1.0339             nan     0.0166    0.0042
     8        1.0258             nan     0.0166    0.0041
     9        1.0177             nan     0.0166    0.0040
    10        1.0101             nan     0.0166    0.0038
    20        0.9450             nan     0.0166    0.0028
    40        0.8562             nan     0.0166    0.0018
    60        0.8004             nan     0.0166    0.0012
    80        0.7640             nan     0.0166    0.0009
   100        0.7361             nan     0.0166    0.0005
   120        0.7147             nan     0.0166    0.0004
   136        0.7004             nan     0.0166    0.0005

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0873             nan     0.0205    0.0065
     2        1.0746             nan     0.0205    0.0061
     3        1.0627             nan     0.0205    0.0059
     4        1.0514             nan     0.0205    0.0057
     5        1.0406             nan     0.0205    0.0053
     6        1.0301             nan     0.0205    0.0052
     7        1.0200             nan     0.0205    0.0051
     8        1.0104             nan     0.0205    0.0048
     9        1.0013             nan     0.0205    0.0045
    10        0.9924             nan     0.0205    0.0044
    20        0.9203             nan     0.0205    0.0031
    40        0.8264             nan     0.0205    0.0016
    60        0.7733             nan     0.0205    0.0012
    80        0.7384             nan     0.0205    0.0009
   100        0.7114             nan     0.0205    0.0007
   120        0.6907             nan     0.0205    0.0004
   140        0.6752             nan     0.0205    0.0003
   160        0.6626             nan     0.0205    0.0003
   180        0.6522             nan     0.0205    0.0002
   200        0.6443             nan     0.0205    0.0002
   220        0.6375             nan     0.0205    0.0002
   240        0.6318             nan     0.0205    0.0001
   260        0.6267             nan     0.0205    0.0001
   280        0.6227             nan     0.0205    0.0001
   300        0.6192             nan     0.0205    0.0001
   320        0.6160             nan     0.0205    0.0001
   340        0.6130             nan     0.0205    0.0000
   360        0.6104             nan     0.0205    0.0000
   380        0.6078             nan     0.0205    0.0000
   400        0.6054             nan     0.0205   -0.0000
   420        0.6033             nan     0.0205    0.0000
   440        0.6010             nan     0.0205    0.0000
   460        0.5992             nan     0.0205    0.0000
   480        0.5975             nan     0.0205    0.0000
   500        0.5959             nan     0.0205    0.0000
   520        0.5943             nan     0.0205    0.0000
   540        0.5928             nan     0.0205    0.0000
   560        0.5916             nan     0.0205   -0.0000
   580        0.5903             nan     0.0205    0.0000
   600        0.5891             nan     0.0205   -0.0000
   620        0.5878             nan     0.0205   -0.0000
   640        0.5865             nan     0.0205   -0.0000
   660        0.5855             nan     0.0205   -0.0000
   680        0.5845             nan     0.0205   -0.0000
   700        0.5834             nan     0.0205   -0.0000
   720        0.5825             nan     0.0205    0.0000
   740        0.5816             nan     0.0205    0.0000
   760        0.5806             nan     0.0205    0.0000
   780        0.5797             nan     0.0205   -0.0000
   800        0.5790             nan     0.0205   -0.0000
   820        0.5781             nan     0.0205    0.0000
   840        0.5772             nan     0.0205   -0.0000
   860        0.5765             nan     0.0205    0.0000
   880        0.5758             nan     0.0205   -0.0000
   900        0.5752             nan     0.0205   -0.0000
   920        0.5746             nan     0.0205   -0.0000
   940        0.5739             nan     0.0205   -0.0000
   950        0.5735             nan     0.0205    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0797             nan     0.0280    0.0105
     2        1.0608             nan     0.0280    0.0096
     3        1.0428             nan     0.0280    0.0090
     4        1.0261             nan     0.0280    0.0081
     5        1.0107             nan     0.0280    0.0077
     6        0.9961             nan     0.0280    0.0072
     7        0.9827             nan     0.0280    0.0068
     8        0.9701             nan     0.0280    0.0063
     9        0.9574             nan     0.0280    0.0062
    10        0.9459             nan     0.0280    0.0057
    20        0.8574             nan     0.0280    0.0035
    40        0.7601             nan     0.0280    0.0019
    60        0.7066             nan     0.0280    0.0009
    80        0.6725             nan     0.0280    0.0006
   100        0.6506             nan     0.0280    0.0005
   120        0.6346             nan     0.0280    0.0003
   140        0.6225             nan     0.0280    0.0002
   160        0.6133             nan     0.0280    0.0001
   180        0.6057             nan     0.0280    0.0001
   200        0.5993             nan     0.0280    0.0001
   220        0.5940             nan     0.0280    0.0000
   240        0.5893             nan     0.0280    0.0000
   260        0.5855             nan     0.0280    0.0002
   280        0.5818             nan     0.0280   -0.0000
   300        0.5788             nan     0.0280    0.0000
   320        0.5758             nan     0.0280    0.0001
   340        0.5733             nan     0.0280    0.0000
   360        0.5710             nan     0.0280   -0.0000
   380        0.5683             nan     0.0280    0.0001
   400        0.5665             nan     0.0280    0.0000
   420        0.5644             nan     0.0280    0.0000
   440        0.5627             nan     0.0280   -0.0000
   460        0.5609             nan     0.0280   -0.0000
   480        0.5592             nan     0.0280   -0.0000
   500        0.5578             nan     0.0280   -0.0000
   520        0.5563             nan     0.0280   -0.0000
   540        0.5546             nan     0.0280   -0.0000
   560        0.5527             nan     0.0280   -0.0000
   580        0.5512             nan     0.0280   -0.0000
   600        0.5498             nan     0.0280   -0.0000
   620        0.5482             nan     0.0280   -0.0000
   640        0.5470             nan     0.0280   -0.0000
   660        0.5458             nan     0.0280   -0.0000
   680        0.5444             nan     0.0280    0.0001
   700        0.5433             nan     0.0280   -0.0000
   720        0.5420             nan     0.0280    0.0000
   740        0.5410             nan     0.0280   -0.0000
   760        0.5397             nan     0.0280   -0.0000
   780        0.5386             nan     0.0280   -0.0000
   800        0.5372             nan     0.0280   -0.0000
   820        0.5359             nan     0.0280   -0.0000
   840        0.5349             nan     0.0280   -0.0000
   860        0.5340             nan     0.0280   -0.0000
   880        0.5330             nan     0.0280   -0.0000
   900        0.5320             nan     0.0280   -0.0000
   918        0.5311             nan     0.0280   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0884             nan     0.0292    0.0059
     2        1.0771             nan     0.0292    0.0055
     3        1.0669             nan     0.0292    0.0052
     4        1.0570             nan     0.0292    0.0049
     5        1.0477             nan     0.0292    0.0046
     6        1.0389             nan     0.0292    0.0044
     7        1.0305             nan     0.0292    0.0041
     8        1.0225             nan     0.0292    0.0039
     9        1.0151             nan     0.0292    0.0037
    10        1.0078             nan     0.0292    0.0035
    20        0.9518             nan     0.0292    0.0021
    40        0.8741             nan     0.0292    0.0017
    60        0.8256             nan     0.0292    0.0009
    80        0.7913             nan     0.0292    0.0006
   100        0.7656             nan     0.0292    0.0005
   120        0.7448             nan     0.0292    0.0005
   140        0.7278             nan     0.0292    0.0003
   160        0.7142             nan     0.0292    0.0003
   180        0.7015             nan     0.0292    0.0003
   200        0.6922             nan     0.0292    0.0001
   220        0.6828             nan     0.0292    0.0002
   240        0.6749             nan     0.0292    0.0001
   260        0.6680             nan     0.0292    0.0002
   280        0.6622             nan     0.0292    0.0001
   300        0.6572             nan     0.0292    0.0001
   320        0.6524             nan     0.0292    0.0001
   340        0.6487             nan     0.0292    0.0000
   360        0.6453             nan     0.0292    0.0001
   380        0.6425             nan     0.0292    0.0000
   400        0.6396             nan     0.0292    0.0001
   420        0.6371             nan     0.0292    0.0001
   440        0.6343             nan     0.0292    0.0001
   460        0.6321             nan     0.0292    0.0000
   480        0.6301             nan     0.0292    0.0000
   500        0.6284             nan     0.0292    0.0000
   520        0.6265             nan     0.0292    0.0000
   540        0.6249             nan     0.0292    0.0000
   560        0.6234             nan     0.0292    0.0000
   580        0.6222             nan     0.0292    0.0000
   600        0.6208             nan     0.0292    0.0000
   620        0.6195             nan     0.0292    0.0000
   640        0.6182             nan     0.0292    0.0000
   660        0.6169             nan     0.0292    0.0000
   676        0.6160             nan     0.0292   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0789             nan     0.0297    0.0104
     2        1.0595             nan     0.0297    0.0098
     3        1.0419             nan     0.0297    0.0088
     4        1.0252             nan     0.0297    0.0084
     5        1.0096             nan     0.0297    0.0077
     6        0.9950             nan     0.0297    0.0072
     7        0.9811             nan     0.0297    0.0070
     8        0.9684             nan     0.0297    0.0063
     9        0.9558             nan     0.0297    0.0064
    10        0.9440             nan     0.0297    0.0060
    20        0.8584             nan     0.0297    0.0033
    40        0.7622             nan     0.0297    0.0018
    60        0.7098             nan     0.0297    0.0010
    80        0.6772             nan     0.0297    0.0004
   100        0.6557             nan     0.0297    0.0004
   120        0.6406             nan     0.0297    0.0004
   140        0.6289             nan     0.0297    0.0002
   160        0.6198             nan     0.0297    0.0002
   180        0.6125             nan     0.0297    0.0001
   200        0.6069             nan     0.0297    0.0002
   220        0.6012             nan     0.0297    0.0001
   240        0.5967             nan     0.0297    0.0002
   260        0.5930             nan     0.0297    0.0001
   280        0.5889             nan     0.0297    0.0001
   300        0.5860             nan     0.0297    0.0000
   320        0.5830             nan     0.0297    0.0002
   340        0.5802             nan     0.0297    0.0000
   360        0.5780             nan     0.0297    0.0000
   380        0.5759             nan     0.0297    0.0000
   400        0.5740             nan     0.0297   -0.0000
   401        0.5739             nan     0.0297   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0836             nan     0.0300    0.0083
     2        1.0685             nan     0.0300    0.0076
     3        1.0542             nan     0.0300    0.0071
     4        1.0407             nan     0.0300    0.0066
     5        1.0277             nan     0.0300    0.0065
     6        1.0158             nan     0.0300    0.0060
     7        1.0047             nan     0.0300    0.0056
     8        0.9941             nan     0.0300    0.0051
     9        0.9841             nan     0.0300    0.0050
    10        0.9744             nan     0.0300    0.0048
    20        0.8894             nan     0.0300    0.0030
    40        0.8050             nan     0.0300    0.0013
    60        0.7553             nan     0.0300    0.0012
    80        0.7227             nan     0.0300    0.0006
   100        0.6981             nan     0.0300    0.0005
   120        0.6803             nan     0.0300    0.0003
   140        0.6658             nan     0.0300    0.0003
   160        0.6550             nan     0.0300    0.0002
   180        0.6471             nan     0.0300    0.0002
   200        0.6401             nan     0.0300    0.0001
   220        0.6347             nan     0.0300    0.0001
   240        0.6295             nan     0.0300    0.0000
   260        0.6256             nan     0.0300    0.0001
   280        0.6219             nan     0.0300    0.0000
   300        0.6191             nan     0.0300    0.0000
   320        0.6161             nan     0.0300    0.0000
   340        0.6133             nan     0.0300    0.0000
   360        0.6111             nan     0.0300    0.0000
   380        0.6089             nan     0.0300    0.0000
   400        0.6068             nan     0.0300    0.0001
   420        0.6049             nan     0.0300    0.0000
   440        0.6029             nan     0.0300   -0.0000
   460        0.6014             nan     0.0300   -0.0000
   480        0.5996             nan     0.0300    0.0000
   500        0.5984             nan     0.0300    0.0001
   520        0.5967             nan     0.0300    0.0000
   540        0.5954             nan     0.0300    0.0000
   560        0.5941             nan     0.0300   -0.0000
   580        0.5929             nan     0.0300    0.0000
   600        0.5918             nan     0.0300   -0.0000
   620        0.5907             nan     0.0300    0.0000
   640        0.5895             nan     0.0300   -0.0000
   660        0.5885             nan     0.0300   -0.0000
   680        0.5877             nan     0.0300   -0.0000
   700        0.5868             nan     0.0300    0.0000
   720        0.5858             nan     0.0300    0.0000
   740        0.5849             nan     0.0300    0.0000
   760        0.5843             nan     0.0300   -0.0000
   780        0.5835             nan     0.0300   -0.0000
   800        0.5829             nan     0.0300   -0.0000
   820        0.5822             nan     0.0300   -0.0000
   840        0.5815             nan     0.0300    0.0000
   860        0.5808             nan     0.0300    0.0000
   880        0.5802             nan     0.0300    0.0000
   900        0.5796             nan     0.0300   -0.0000
   920        0.5789             nan     0.0300    0.0000
   940        0.5782             nan     0.0300   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0795             nan     0.0324    0.0103
     2        1.0608             nan     0.0324    0.0094
     3        1.0431             nan     0.0324    0.0086
     4        1.0264             nan     0.0324    0.0082
     5        1.0105             nan     0.0324    0.0078
     6        0.9964             nan     0.0324    0.0069
     7        0.9832             nan     0.0324    0.0068
     8        0.9705             nan     0.0324    0.0064
     9        0.9588             nan     0.0324    0.0059
    10        0.9479             nan     0.0324    0.0054
    20        0.8586             nan     0.0324    0.0037
    40        0.7677             nan     0.0324    0.0019
    60        0.7178             nan     0.0324    0.0010
    80        0.6856             nan     0.0324    0.0006
   100        0.6629             nan     0.0324    0.0005
   120        0.6477             nan     0.0324    0.0003
   140        0.6368             nan     0.0324    0.0002
   160        0.6286             nan     0.0324    0.0002
   180        0.6214             nan     0.0324    0.0001
   195        0.6169             nan     0.0324    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0798             nan     0.0327    0.0105
     2        1.0612             nan     0.0327    0.0094
     3        1.0427             nan     0.0327    0.0093
     4        1.0262             nan     0.0327    0.0082
     5        1.0104             nan     0.0327    0.0079
     6        0.9958             nan     0.0327    0.0073
     7        0.9823             nan     0.0327    0.0067
     8        0.9689             nan     0.0327    0.0064
     9        0.9565             nan     0.0327    0.0061
    10        0.9454             nan     0.0327    0.0056
    20        0.8560             nan     0.0327    0.0037
    40        0.7646             nan     0.0327    0.0013
    60        0.7164             nan     0.0327    0.0010
    80        0.6841             nan     0.0327    0.0007
   100        0.6629             nan     0.0327    0.0004
   120        0.6483             nan     0.0327    0.0004
   140        0.6372             nan     0.0327    0.0003
   160        0.6286             nan     0.0327    0.0003
   180        0.6216             nan     0.0327    0.0001
   200        0.6166             nan     0.0327    0.0001
   220        0.6120             nan     0.0327    0.0001
   240        0.6082             nan     0.0327    0.0000
   260        0.6049             nan     0.0327    0.0001
   280        0.6018             nan     0.0327    0.0000
   300        0.5991             nan     0.0327    0.0000
   320        0.5960             nan     0.0327    0.0001
   340        0.5939             nan     0.0327   -0.0000
   360        0.5919             nan     0.0327    0.0000
   380        0.5895             nan     0.0327    0.0000
   400        0.5875             nan     0.0327   -0.0000
   420        0.5856             nan     0.0327   -0.0000
   439        0.5841             nan     0.0327   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0860             nan     0.0359    0.0072
     2        1.0726             nan     0.0359    0.0067
     3        1.0605             nan     0.0359    0.0062
     4        1.0489             nan     0.0359    0.0058
     5        1.0383             nan     0.0359    0.0054
     6        1.0282             nan     0.0359    0.0050
     7        1.0194             nan     0.0359    0.0044
     8        1.0100             nan     0.0359    0.0046
     9        1.0023             nan     0.0359    0.0039
    10        0.9937             nan     0.0359    0.0043
    20        0.9299             nan     0.0359    0.0029
    40        0.8496             nan     0.0359    0.0015
    60        0.8010             nan     0.0359    0.0007
    80        0.7676             nan     0.0359    0.0006
   100        0.7418             nan     0.0359    0.0005
   120        0.7226             nan     0.0359    0.0004
   140        0.7072             nan     0.0359    0.0002
   160        0.6926             nan     0.0359    0.0002
   180        0.6820             nan     0.0359    0.0002
   200        0.6731             nan     0.0359    0.0001
   220        0.6650             nan     0.0359    0.0002
   240        0.6577             nan     0.0359    0.0001
   260        0.6527             nan     0.0359    0.0001
   280        0.6483             nan     0.0359    0.0000
   300        0.6437             nan     0.0359    0.0001
   320        0.6403             nan     0.0359    0.0001
   340        0.6372             nan     0.0359    0.0001
   360        0.6338             nan     0.0359    0.0000
   380        0.6315             nan     0.0359    0.0001
   400        0.6292             nan     0.0359    0.0000
   420        0.6269             nan     0.0359    0.0000
   440        0.6246             nan     0.0359   -0.0000
   460        0.6229             nan     0.0359    0.0001
   480        0.6211             nan     0.0359    0.0000
   500        0.6194             nan     0.0359    0.0000
   520        0.6177             nan     0.0359    0.0000
   540        0.6164             nan     0.0359    0.0000
   560        0.6150             nan     0.0359   -0.0000
   580        0.6136             nan     0.0359    0.0001
   600        0.6121             nan     0.0359    0.0001
   620        0.6110             nan     0.0359    0.0000
   640        0.6099             nan     0.0359   -0.0000
   660        0.6088             nan     0.0359    0.0000
   680        0.6079             nan     0.0359    0.0000
   700        0.6070             nan     0.0359    0.0000
   720        0.6061             nan     0.0359    0.0000
   740        0.6053             nan     0.0359   -0.0000
   760        0.6042             nan     0.0359   -0.0000
   780        0.6033             nan     0.0359    0.0000
   800        0.6024             nan     0.0359    0.0000
   820        0.6017             nan     0.0359   -0.0000
   840        0.6009             nan     0.0359   -0.0000
   855        0.6003             nan     0.0359   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0737             nan     0.0373    0.0130
     2        1.0500             nan     0.0373    0.0119
     3        1.0288             nan     0.0373    0.0107
     4        1.0094             nan     0.0373    0.0098
     5        0.9914             nan     0.0373    0.0090
     6        0.9748             nan     0.0373    0.0086
     7        0.9594             nan     0.0373    0.0076
     8        0.9448             nan     0.0373    0.0071
     9        0.9314             nan     0.0373    0.0068
    10        0.9186             nan     0.0373    0.0065
    20        0.8282             nan     0.0373    0.0033
    40        0.7322             nan     0.0373    0.0018
    60        0.6840             nan     0.0373    0.0008
    80        0.6565             nan     0.0373    0.0005
   100        0.6378             nan     0.0373    0.0002
   120        0.6250             nan     0.0373    0.0001
   140        0.6158             nan     0.0373    0.0001
   160        0.6087             nan     0.0373    0.0002
   180        0.6033             nan     0.0373    0.0001
   200        0.5990             nan     0.0373    0.0000
   220        0.5946             nan     0.0373    0.0000
   240        0.5912             nan     0.0373    0.0000
   260        0.5885             nan     0.0373    0.0001
   280        0.5859             nan     0.0373    0.0000
   300        0.5834             nan     0.0373   -0.0000
   320        0.5814             nan     0.0373   -0.0000
   340        0.5793             nan     0.0373    0.0000
   360        0.5775             nan     0.0373    0.0000
   380        0.5757             nan     0.0373   -0.0000
   400        0.5742             nan     0.0373   -0.0000
   420        0.5727             nan     0.0373   -0.0000
   440        0.5714             nan     0.0373   -0.0000
   460        0.5699             nan     0.0373   -0.0000
   480        0.5685             nan     0.0373   -0.0000
   500        0.5674             nan     0.0373   -0.0000
   520        0.5660             nan     0.0373   -0.0000
   527        0.5656             nan     0.0373   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0735             nan     0.0379    0.0132
     2        1.0496             nan     0.0379    0.0120
     3        1.0277             nan     0.0379    0.0109
     4        1.0076             nan     0.0379    0.0096
     5        0.9893             nan     0.0379    0.0092
     6        0.9717             nan     0.0379    0.0088
     7        0.9563             nan     0.0379    0.0077
     8        0.9419             nan     0.0379    0.0071
     9        0.9284             nan     0.0379    0.0066
    10        0.9157             nan     0.0379    0.0063
    20        0.8253             nan     0.0379    0.0033
    40        0.7308             nan     0.0379    0.0018
    60        0.6821             nan     0.0379    0.0006
    80        0.6533             nan     0.0379    0.0006
   100        0.6361             nan     0.0379    0.0004
   120        0.6235             nan     0.0379    0.0002
   140        0.6143             nan     0.0379    0.0001
   160        0.6074             nan     0.0379    0.0001
   180        0.6017             nan     0.0379    0.0000
   200        0.5968             nan     0.0379    0.0001
   220        0.5927             nan     0.0379    0.0000
   240        0.5885             nan     0.0379    0.0000
   260        0.5856             nan     0.0379    0.0000
   280        0.5831             nan     0.0379   -0.0000
   300        0.5803             nan     0.0379   -0.0000
   320        0.5783             nan     0.0379   -0.0000
   340        0.5760             nan     0.0379   -0.0000
   342        0.5758             nan     0.0379    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0751             nan     0.0398    0.0126
     2        1.0522             nan     0.0398    0.0114
     3        1.0310             nan     0.0398    0.0102
     4        1.0113             nan     0.0398    0.0096
     5        0.9936             nan     0.0398    0.0088
     6        0.9766             nan     0.0398    0.0084
     7        0.9609             nan     0.0398    0.0077
     8        0.9466             nan     0.0398    0.0070
     9        0.9337             nan     0.0398    0.0066
    10        0.9218             nan     0.0398    0.0061
    20        0.8296             nan     0.0398    0.0037
    40        0.7399             nan     0.0398    0.0017
    60        0.6939             nan     0.0398    0.0007
    80        0.6650             nan     0.0398    0.0005
   100        0.6472             nan     0.0398    0.0003
   120        0.6346             nan     0.0398    0.0001
   140        0.6242             nan     0.0398    0.0002
   160        0.6161             nan     0.0398    0.0001
   180        0.6100             nan     0.0398    0.0001
   200        0.6041             nan     0.0398    0.0001
   220        0.6001             nan     0.0398    0.0001
   240        0.5965             nan     0.0398    0.0000
   260        0.5932             nan     0.0398   -0.0000
   280        0.5900             nan     0.0398    0.0001
   300        0.5875             nan     0.0398    0.0000
   320        0.5853             nan     0.0398   -0.0000
   340        0.5828             nan     0.0398    0.0001
   360        0.5810             nan     0.0398    0.0001
   380        0.5790             nan     0.0398   -0.0000
   400        0.5774             nan     0.0398    0.0000
   420        0.5756             nan     0.0398   -0.0000
   440        0.5740             nan     0.0398    0.0000
   460        0.5725             nan     0.0398    0.0000
   480        0.5708             nan     0.0398   -0.0000
   500        0.5695             nan     0.0398   -0.0000
   520        0.5683             nan     0.0398   -0.0000
   540        0.5668             nan     0.0398   -0.0000
   560        0.5655             nan     0.0398   -0.0000
   580        0.5643             nan     0.0398   -0.0000
   600        0.5630             nan     0.0398   -0.0000
   620        0.5620             nan     0.0398   -0.0000
   640        0.5612             nan     0.0398   -0.0000
   660        0.5601             nan     0.0398   -0.0000
   680        0.5590             nan     0.0398   -0.0000
   700        0.5582             nan     0.0398   -0.0000
   720        0.5574             nan     0.0398   -0.0000
   740        0.5566             nan     0.0398   -0.0000
   760        0.5557             nan     0.0398   -0.0000
   780        0.5549             nan     0.0398   -0.0000
   800        0.5541             nan     0.0398   -0.0000
   820        0.5534             nan     0.0398    0.0001
   840        0.5526             nan     0.0398   -0.0000
   860        0.5519             nan     0.0398   -0.0000
   880        0.5513             nan     0.0398   -0.0000
   900        0.5506             nan     0.0398   -0.0000
   919        0.5500             nan     0.0398   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0837             nan     0.0410    0.0083
     2        1.0686             nan     0.0410    0.0075
     3        1.0546             nan     0.0410    0.0069
     4        1.0419             nan     0.0410    0.0064
     5        1.0301             nan     0.0410    0.0059
     6        1.0192             nan     0.0410    0.0054
     7        1.0092             nan     0.0410    0.0051
     8        0.9993             nan     0.0410    0.0049
     9        0.9908             nan     0.0410    0.0043
    10        0.9817             nan     0.0410    0.0045
    20        0.9140             nan     0.0410    0.0030
    40        0.8321             nan     0.0410    0.0018
    60        0.7857             nan     0.0410    0.0009
    80        0.7519             nan     0.0410    0.0008
   100        0.7271             nan     0.0410    0.0005
   120        0.7079             nan     0.0410    0.0003
   140        0.6929             nan     0.0410    0.0004
   160        0.6803             nan     0.0410    0.0001
   180        0.6703             nan     0.0410    0.0003
   200        0.6619             nan     0.0410    0.0001
   220        0.6547             nan     0.0410    0.0001
   240        0.6489             nan     0.0410    0.0001
   260        0.6447             nan     0.0410    0.0001
   280        0.6401             nan     0.0410    0.0001
   284        0.6395             nan     0.0410    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0672             nan     0.0452    0.0167
     2        1.0377             nan     0.0452    0.0144
     3        1.0115             nan     0.0452    0.0131
     4        0.9881             nan     0.0452    0.0116
     5        0.9670             nan     0.0452    0.0103
     6        0.9480             nan     0.0452    0.0094
     7        0.9304             nan     0.0452    0.0088
     8        0.9139             nan     0.0452    0.0079
     9        0.8986             nan     0.0452    0.0076
    10        0.8844             nan     0.0452    0.0071
    20        0.7893             nan     0.0452    0.0034
    40        0.6960             nan     0.0452    0.0015
    60        0.6531             nan     0.0452    0.0008
    80        0.6286             nan     0.0452    0.0001
   100        0.6122             nan     0.0452    0.0002
   120        0.6020             nan     0.0452    0.0002
   140        0.5923             nan     0.0452    0.0000
   160        0.5854             nan     0.0452    0.0002
   180        0.5803             nan     0.0452   -0.0000
   200        0.5758             nan     0.0452    0.0000
   220        0.5718             nan     0.0452   -0.0001
   240        0.5683             nan     0.0452    0.0002
   260        0.5648             nan     0.0452    0.0000
   280        0.5609             nan     0.0452    0.0000
   300        0.5582             nan     0.0452   -0.0000
   302        0.5579             nan     0.0452   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0819             nan     0.0466    0.0093
     2        1.0649             nan     0.0466    0.0085
     3        1.0495             nan     0.0466    0.0077
     4        1.0351             nan     0.0466    0.0070
     5        1.0221             nan     0.0466    0.0063
     6        1.0104             nan     0.0466    0.0058
     7        0.9992             nan     0.0466    0.0055
     8        0.9896             nan     0.0466    0.0048
     9        0.9795             nan     0.0466    0.0052
    10        0.9715             nan     0.0466    0.0040
    20        0.9013             nan     0.0466    0.0033
    40        0.8165             nan     0.0466    0.0016
    60        0.7697             nan     0.0466    0.0009
    80        0.7375             nan     0.0466    0.0007
   100        0.7134             nan     0.0466    0.0005
   120        0.6951             nan     0.0466    0.0002
   140        0.6812             nan     0.0466    0.0003
   160        0.6693             nan     0.0466    0.0004
   180        0.6599             nan     0.0466    0.0001
   200        0.6522             nan     0.0466    0.0002
   220        0.6464             nan     0.0466    0.0001
   240        0.6415             nan     0.0466    0.0001
   260        0.6371             nan     0.0466    0.0000
   280        0.6334             nan     0.0466    0.0000
   300        0.6302             nan     0.0466    0.0000
   320        0.6272             nan     0.0466    0.0000
   340        0.6247             nan     0.0466    0.0001
   360        0.6224             nan     0.0466    0.0000
   380        0.6203             nan     0.0466   -0.0000
   386        0.6198             nan     0.0466    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0685             nan     0.0467    0.0159
     2        1.0393             nan     0.0467    0.0146
     3        1.0139             nan     0.0467    0.0127
     4        0.9903             nan     0.0467    0.0116
     5        0.9696             nan     0.0467    0.0106
     6        0.9507             nan     0.0467    0.0095
     7        0.9335             nan     0.0467    0.0086
     8        0.9176             nan     0.0467    0.0078
     9        0.9024             nan     0.0467    0.0076
    10        0.8891             nan     0.0467    0.0066
    20        0.7957             nan     0.0467    0.0037
    40        0.7054             nan     0.0467    0.0015
    60        0.6601             nan     0.0467    0.0008
    80        0.6366             nan     0.0467    0.0003
   100        0.6218             nan     0.0467    0.0004
   120        0.6105             nan     0.0467    0.0002
   140        0.6016             nan     0.0467    0.0002
   160        0.5942             nan     0.0467    0.0002
   180        0.5890             nan     0.0467    0.0000
   200        0.5842             nan     0.0467    0.0001
   220        0.5807             nan     0.0467   -0.0000
   240        0.5776             nan     0.0467    0.0000
   260        0.5746             nan     0.0467    0.0001
   280        0.5716             nan     0.0467    0.0000
   300        0.5690             nan     0.0467    0.0000
   320        0.5663             nan     0.0467    0.0000
   340        0.5641             nan     0.0467   -0.0000
   360        0.5621             nan     0.0467   -0.0000
   380        0.5603             nan     0.0467   -0.0000
   400        0.5584             nan     0.0467   -0.0000
   420        0.5567             nan     0.0467    0.0000
   440        0.5551             nan     0.0467   -0.0000
   460        0.5535             nan     0.0467    0.0001
   480        0.5520             nan     0.0467   -0.0000
   500        0.5501             nan     0.0467   -0.0000
   520        0.5488             nan     0.0467   -0.0000
   540        0.5475             nan     0.0467   -0.0000
   560        0.5461             nan     0.0467    0.0000
   580        0.5448             nan     0.0467   -0.0000
   600        0.5435             nan     0.0467   -0.0000
   620        0.5424             nan     0.0467   -0.0000
   640        0.5415             nan     0.0467   -0.0001
   660        0.5406             nan     0.0467   -0.0000
   680        0.5395             nan     0.0467   -0.0000
   700        0.5387             nan     0.0467   -0.0000
   720        0.5375             nan     0.0467   -0.0000
   740        0.5363             nan     0.0467   -0.0000
   753        0.5357             nan     0.0467   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0689             nan     0.0497    0.0159
     2        1.0416             nan     0.0497    0.0136
     3        1.0166             nan     0.0497    0.0123
     4        0.9932             nan     0.0497    0.0115
     5        0.9725             nan     0.0497    0.0102
     6        0.9538             nan     0.0497    0.0092
     7        0.9371             nan     0.0497    0.0085
     8        0.9217             nan     0.0497    0.0075
     9        0.9069             nan     0.0497    0.0073
    10        0.8936             nan     0.0497    0.0064
    20        0.7984             nan     0.0497    0.0027
    40        0.7138             nan     0.0497    0.0014
    60        0.6705             nan     0.0497    0.0009
    80        0.6458             nan     0.0497    0.0003
   100        0.6310             nan     0.0497    0.0002
   120        0.6204             nan     0.0497    0.0003
   140        0.6117             nan     0.0497    0.0001
   160        0.6047             nan     0.0497    0.0001
   180        0.5992             nan     0.0497    0.0000
   200        0.5951             nan     0.0497    0.0000
   220        0.5916             nan     0.0497    0.0001
   240        0.5882             nan     0.0497   -0.0000
   260        0.5849             nan     0.0497   -0.0000
   280        0.5824             nan     0.0497    0.0000
   300        0.5804             nan     0.0497   -0.0000
   320        0.5783             nan     0.0497    0.0000
   340        0.5762             nan     0.0497   -0.0000
   360        0.5740             nan     0.0497    0.0001
   380        0.5722             nan     0.0497   -0.0000
   400        0.5706             nan     0.0497   -0.0000
   420        0.5688             nan     0.0497    0.0000
   440        0.5676             nan     0.0497    0.0000
   460        0.5664             nan     0.0497   -0.0000
   480        0.5646             nan     0.0497    0.0001
   500        0.5631             nan     0.0497   -0.0000
   520        0.5618             nan     0.0497   -0.0000
   540        0.5606             nan     0.0497   -0.0000
   553        0.5598             nan     0.0497   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0728             nan     0.0500    0.0138
     2        1.0487             nan     0.0500    0.0121
     3        1.0271             nan     0.0500    0.0106
     4        1.0071             nan     0.0500    0.0102
     5        0.9898             nan     0.0500    0.0089
     6        0.9734             nan     0.0500    0.0080
     7        0.9589             nan     0.0500    0.0073
     8        0.9417             nan     0.0500    0.0086
     9        0.9260             nan     0.0500    0.0077
    10        0.9124             nan     0.0500    0.0069
    20        0.8250             nan     0.0500    0.0028
    40        0.7425             nan     0.0500    0.0017
    60        0.6985             nan     0.0500    0.0006
    80        0.6696             nan     0.0500    0.0005
   100        0.6517             nan     0.0500    0.0004
   120        0.6395             nan     0.0500    0.0002
   140        0.6314             nan     0.0500    0.0002
   160        0.6245             nan     0.0500    0.0001
   180        0.6191             nan     0.0500    0.0001
   200        0.6140             nan     0.0500    0.0001
   220        0.6102             nan     0.0500    0.0001
   240        0.6065             nan     0.0500    0.0000
   260        0.6036             nan     0.0500    0.0000
   280        0.6009             nan     0.0500    0.0000
   300        0.5984             nan     0.0500    0.0000
   320        0.5964             nan     0.0500    0.0000
   340        0.5945             nan     0.0500    0.0000
   360        0.5925             nan     0.0500   -0.0000
   380        0.5909             nan     0.0500    0.0000
   400        0.5889             nan     0.0500    0.0000
   420        0.5875             nan     0.0500   -0.0000
   440        0.5861             nan     0.0500   -0.0000
   460        0.5846             nan     0.0500   -0.0000
   480        0.5836             nan     0.0500   -0.0000
   500        0.5823             nan     0.0500    0.0000
   520        0.5809             nan     0.0500    0.0000
   540        0.5798             nan     0.0500   -0.0000
   560        0.5783             nan     0.0500   -0.0000
   580        0.5772             nan     0.0500    0.0000
   600        0.5765             nan     0.0500   -0.0000
   620        0.5756             nan     0.0500   -0.0000
   640        0.5746             nan     0.0500   -0.0001
   660        0.5734             nan     0.0500    0.0000
   680        0.5728             nan     0.0500   -0.0000
   700        0.5720             nan     0.0500   -0.0000
   720        0.5713             nan     0.0500   -0.0000
   740        0.5706             nan     0.0500   -0.0000
   760        0.5698             nan     0.0500   -0.0000
   780        0.5691             nan     0.0500   -0.0000
   800        0.5682             nan     0.0500   -0.0000
   820        0.5677             nan     0.0500   -0.0000
   840        0.5667             nan     0.0500   -0.0000
   860        0.5661             nan     0.0500   -0.0000
   880        0.5655             nan     0.0500    0.0000
   900        0.5647             nan     0.0500   -0.0000
   907        0.5645             nan     0.0500   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0715             nan     0.0528    0.0143
     2        1.0465             nan     0.0528    0.0124
     3        1.0237             nan     0.0528    0.0115
     4        1.0037             nan     0.0528    0.0096
     5        0.9845             nan     0.0528    0.0095
     6        0.9676             nan     0.0528    0.0083
     7        0.9523             nan     0.0528    0.0074
     8        0.9344             nan     0.0528    0.0086
     9        0.9189             nan     0.0528    0.0076
    10        0.9045             nan     0.0528    0.0070
    20        0.8177             nan     0.0528    0.0026
    40        0.7343             nan     0.0528    0.0013
    60        0.6909             nan     0.0528    0.0010
    80        0.6645             nan     0.0528    0.0005
   100        0.6478             nan     0.0528    0.0003
   120        0.6364             nan     0.0528    0.0004
   140        0.6282             nan     0.0528    0.0001
   160        0.6214             nan     0.0528    0.0001
   180        0.6161             nan     0.0528    0.0000
   200        0.6122             nan     0.0528   -0.0000
   220        0.6079             nan     0.0528    0.0001
   225        0.6069             nan     0.0528    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0708             nan     0.0536    0.0148
     2        1.0455             nan     0.0536    0.0127
     3        1.0232             nan     0.0536    0.0112
     4        1.0025             nan     0.0536    0.0104
     5        0.9837             nan     0.0536    0.0094
     6        0.9626             nan     0.0536    0.0101
     7        0.9478             nan     0.0536    0.0075
     8        0.9308             nan     0.0536    0.0083
     9        0.9157             nan     0.0536    0.0077
    10        0.9018             nan     0.0536    0.0068
    20        0.8163             nan     0.0536    0.0030
    40        0.7342             nan     0.0536    0.0013
    60        0.6890             nan     0.0536    0.0008
    80        0.6627             nan     0.0536    0.0002
   100        0.6463             nan     0.0536    0.0002
   120        0.6351             nan     0.0536    0.0003
   140        0.6262             nan     0.0536    0.0001
   160        0.6194             nan     0.0536    0.0000
   180        0.6145             nan     0.0536    0.0000
   200        0.6107             nan     0.0536    0.0000
   220        0.6066             nan     0.0536    0.0000
   240        0.6034             nan     0.0536    0.0000
   260        0.6006             nan     0.0536    0.0000
   280        0.5979             nan     0.0536    0.0000
   283        0.5976             nan     0.0536    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0784             nan     0.0552    0.0110
     2        1.0587             nan     0.0552    0.0098
     3        1.0415             nan     0.0552    0.0087
     4        1.0259             nan     0.0552    0.0078
     5        1.0119             nan     0.0552    0.0070
     6        0.9987             nan     0.0552    0.0064
     7        0.9862             nan     0.0552    0.0062
     8        0.9756             nan     0.0552    0.0056
     9        0.9665             nan     0.0552    0.0046
    10        0.9586             nan     0.0552    0.0035
    20        0.8792             nan     0.0552    0.0034
    40        0.7973             nan     0.0552    0.0014
    60        0.7505             nan     0.0552    0.0007
    80        0.7189             nan     0.0552    0.0006
   100        0.6961             nan     0.0552    0.0003
   120        0.6793             nan     0.0552    0.0003
   140        0.6668             nan     0.0552    0.0001
   160        0.6559             nan     0.0552    0.0003
   180        0.6479             nan     0.0552    0.0002
   200        0.6421             nan     0.0552    0.0001
   220        0.6371             nan     0.0552    0.0000
   240        0.6331             nan     0.0552    0.0000
   260        0.6291             nan     0.0552    0.0001
   280        0.6265             nan     0.0552    0.0000
   300        0.6240             nan     0.0552    0.0000
   320        0.6212             nan     0.0552    0.0000
   340        0.6187             nan     0.0552    0.0000
   360        0.6159             nan     0.0552    0.0001
   380        0.6134             nan     0.0552    0.0000
   400        0.6113             nan     0.0552    0.0000
   420        0.6095             nan     0.0552    0.0000
   440        0.6076             nan     0.0552    0.0000
   460        0.6060             nan     0.0552    0.0000
   480        0.6048             nan     0.0552    0.0000
   500        0.6035             nan     0.0552    0.0000
   520        0.6022             nan     0.0552    0.0000
   540        0.6010             nan     0.0552   -0.0000
   560        0.5998             nan     0.0552    0.0000
   580        0.5989             nan     0.0552    0.0000
   600        0.5980             nan     0.0552    0.0000
   620        0.5972             nan     0.0552   -0.0000
   640        0.5962             nan     0.0552    0.0000
   660        0.5954             nan     0.0552   -0.0000
   680        0.5947             nan     0.0552   -0.0000
   700        0.5941             nan     0.0552   -0.0000
   720        0.5934             nan     0.0552    0.0000
   740        0.5929             nan     0.0552   -0.0000
   760        0.5921             nan     0.0552   -0.0001
   780        0.5914             nan     0.0552   -0.0000
   800        0.5907             nan     0.0552    0.0000
   820        0.5902             nan     0.0552   -0.0000
   840        0.5897             nan     0.0552   -0.0000
   860        0.5891             nan     0.0552    0.0000
   880        0.5886             nan     0.0552   -0.0000
   900        0.5879             nan     0.0552   -0.0000
   920        0.5874             nan     0.0552   -0.0000
   940        0.5871             nan     0.0552   -0.0000
   956        0.5866             nan     0.0552   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0715             nan     0.0555    0.0143
     2        1.0447             nan     0.0555    0.0138
     3        1.0206             nan     0.0555    0.0120
     4        0.9990             nan     0.0555    0.0106
     5        0.9803             nan     0.0555    0.0094
     6        0.9628             nan     0.0555    0.0084
     7        0.9441             nan     0.0555    0.0093
     8        0.9271             nan     0.0555    0.0083
     9        0.9120             nan     0.0555    0.0076
    10        0.8984             nan     0.0555    0.0068
    20        0.8123             nan     0.0555    0.0034
    40        0.7309             nan     0.0555    0.0014
    60        0.6863             nan     0.0555    0.0009
    80        0.6606             nan     0.0555    0.0005
   100        0.6449             nan     0.0555    0.0002
   120        0.6329             nan     0.0555    0.0001
   140        0.6249             nan     0.0555    0.0002
   160        0.6185             nan     0.0555    0.0001
   180        0.6139             nan     0.0555    0.0001
   200        0.6095             nan     0.0555    0.0000
   220        0.6060             nan     0.0555    0.0001
   240        0.6024             nan     0.0555    0.0000
   260        0.5993             nan     0.0555   -0.0000
   280        0.5964             nan     0.0555    0.0001
   300        0.5932             nan     0.0555    0.0000
   320        0.5915             nan     0.0555    0.0000
   340        0.5896             nan     0.0555    0.0000
   360        0.5878             nan     0.0555   -0.0000
   380        0.5863             nan     0.0555    0.0000
   400        0.5846             nan     0.0555   -0.0000
   420        0.5828             nan     0.0555   -0.0000
   440        0.5814             nan     0.0555   -0.0000
   460        0.5802             nan     0.0555   -0.0000
   480        0.5791             nan     0.0555   -0.0000
   493        0.5784             nan     0.0555   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0571             nan     0.0614    0.0215
     2        1.0220             nan     0.0614    0.0179
     3        0.9911             nan     0.0614    0.0154
     4        0.9624             nan     0.0614    0.0139
     5        0.9390             nan     0.0614    0.0117
     6        0.9185             nan     0.0614    0.0103
     7        0.8993             nan     0.0614    0.0096
     8        0.8816             nan     0.0614    0.0090
     9        0.8660             nan     0.0614    0.0078
    10        0.8520             nan     0.0614    0.0067
    20        0.7544             nan     0.0614    0.0036
    40        0.6725             nan     0.0614    0.0010
    60        0.6390             nan     0.0614    0.0005
    80        0.6203             nan     0.0614    0.0003
   100        0.6081             nan     0.0614    0.0002
   120        0.5997             nan     0.0614    0.0001
   140        0.5938             nan     0.0614   -0.0000
   160        0.5897             nan     0.0614   -0.0000
   180        0.5856             nan     0.0614    0.0000
   200        0.5817             nan     0.0614    0.0000
   220        0.5789             nan     0.0614   -0.0000
   240        0.5762             nan     0.0614   -0.0001
   260        0.5736             nan     0.0614   -0.0000
   280        0.5715             nan     0.0614   -0.0000
   300        0.5695             nan     0.0614   -0.0001
   320        0.5676             nan     0.0614   -0.0001
   340        0.5661             nan     0.0614   -0.0000
   360        0.5642             nan     0.0614    0.0000
   380        0.5624             nan     0.0614   -0.0001
   400        0.5605             nan     0.0614   -0.0000
   420        0.5589             nan     0.0614   -0.0000
   436        0.5579             nan     0.0614   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0544             nan     0.0636    0.0230
     2        1.0158             nan     0.0636    0.0193
     3        0.9830             nan     0.0636    0.0160
     4        0.9551             nan     0.0636    0.0143
     5        0.9293             nan     0.0636    0.0129
     6        0.9075             nan     0.0636    0.0110
     7        0.8873             nan     0.0636    0.0098
     8        0.8694             nan     0.0636    0.0089
     9        0.8535             nan     0.0636    0.0078
    10        0.8397             nan     0.0636    0.0070
    20        0.7407             nan     0.0636    0.0035
    40        0.6583             nan     0.0636    0.0011
    60        0.6233             nan     0.0636    0.0006
    80        0.6057             nan     0.0636    0.0004
   100        0.5922             nan     0.0636    0.0001
   120        0.5837             nan     0.0636    0.0001
   140        0.5775             nan     0.0636    0.0000
   160        0.5711             nan     0.0636   -0.0000
   180        0.5667             nan     0.0636    0.0001
   200        0.5618             nan     0.0636    0.0002
   220        0.5579             nan     0.0636   -0.0000
   240        0.5551             nan     0.0636   -0.0000
   260        0.5526             nan     0.0636   -0.0000
   280        0.5499             nan     0.0636   -0.0000
   300        0.5474             nan     0.0636   -0.0000
   320        0.5445             nan     0.0636   -0.0001
   340        0.5423             nan     0.0636   -0.0000
   360        0.5401             nan     0.0636   -0.0000
   380        0.5381             nan     0.0636   -0.0000
   400        0.5362             nan     0.0636   -0.0000
   420        0.5341             nan     0.0636   -0.0000
   440        0.5322             nan     0.0636   -0.0001
   460        0.5304             nan     0.0636   -0.0000
   480        0.5285             nan     0.0636   -0.0000
   500        0.5269             nan     0.0636   -0.0001
   520        0.5252             nan     0.0636   -0.0001
   540        0.5238             nan     0.0636   -0.0000
   560        0.5223             nan     0.0636   -0.0000
   580        0.5207             nan     0.0636   -0.0001
   586        0.5204             nan     0.0636   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0529             nan     0.0644    0.0230
     2        1.0149             nan     0.0644    0.0194
     3        0.9812             nan     0.0644    0.0165
     4        0.9519             nan     0.0644    0.0142
     5        0.9262             nan     0.0644    0.0128
     6        0.9033             nan     0.0644    0.0118
     7        0.8838             nan     0.0644    0.0098
     8        0.8661             nan     0.0644    0.0086
     9        0.8504             nan     0.0644    0.0076
    10        0.8361             nan     0.0644    0.0069
    20        0.7394             nan     0.0644    0.0037
    40        0.6569             nan     0.0644    0.0012
    60        0.6251             nan     0.0644    0.0002
    80        0.6062             nan     0.0644    0.0003
   100        0.5937             nan     0.0644    0.0001
   120        0.5859             nan     0.0644    0.0000
   140        0.5786             nan     0.0644    0.0001
   160        0.5744             nan     0.0644   -0.0000
   180        0.5703             nan     0.0644    0.0000
   200        0.5661             nan     0.0644   -0.0000
   220        0.5631             nan     0.0644   -0.0000
   240        0.5600             nan     0.0644   -0.0000
   260        0.5571             nan     0.0644    0.0000
   280        0.5540             nan     0.0644   -0.0001
   300        0.5511             nan     0.0644   -0.0001
   320        0.5486             nan     0.0644   -0.0001
   340        0.5468             nan     0.0644   -0.0000
   360        0.5447             nan     0.0644   -0.0001
   380        0.5428             nan     0.0644   -0.0001
   400        0.5411             nan     0.0644   -0.0001
   420        0.5394             nan     0.0644   -0.0001
   440        0.5379             nan     0.0644   -0.0001
   460        0.5360             nan     0.0644   -0.0001
   480        0.5346             nan     0.0644   -0.0001
   500        0.5328             nan     0.0644   -0.0001
   520        0.5315             nan     0.0644   -0.0001
   540        0.5300             nan     0.0644   -0.0000
   560        0.5284             nan     0.0644   -0.0001
   580        0.5269             nan     0.0644   -0.0000
   600        0.5256             nan     0.0644   -0.0000
   620        0.5244             nan     0.0644   -0.0001
   640        0.5229             nan     0.0644   -0.0001
   660        0.5210             nan     0.0644   -0.0001
   680        0.5192             nan     0.0644   -0.0001
   700        0.5180             nan     0.0644   -0.0000
   720        0.5166             nan     0.0644   -0.0001
   740        0.5155             nan     0.0644   -0.0001
   760        0.5144             nan     0.0644   -0.0001
   780        0.5130             nan     0.0644   -0.0000
   800        0.5117             nan     0.0644   -0.0000
   820        0.5102             nan     0.0644    0.0001
   840        0.5092             nan     0.0644   -0.0001
   860        0.5081             nan     0.0644   -0.0001
   880        0.5072             nan     0.0644   -0.0001
   897        0.5064             nan     0.0644   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0533             nan     0.0662    0.0236
     2        1.0158             nan     0.0662    0.0184
     3        0.9834             nan     0.0662    0.0166
     4        0.9547             nan     0.0662    0.0142
     5        0.9291             nan     0.0662    0.0129
     6        0.9073             nan     0.0662    0.0108
     7        0.8876             nan     0.0662    0.0099
     8        0.8704             nan     0.0662    0.0087
     9        0.8557             nan     0.0662    0.0074
    10        0.8419             nan     0.0662    0.0068
    20        0.7455             nan     0.0662    0.0035
    40        0.6655             nan     0.0662    0.0011
    60        0.6324             nan     0.0662    0.0004
    80        0.6147             nan     0.0662    0.0002
   100        0.6038             nan     0.0662    0.0001
   120        0.5963             nan     0.0662    0.0002
   140        0.5897             nan     0.0662    0.0000
   160        0.5851             nan     0.0662   -0.0000
   180        0.5811             nan     0.0662    0.0000
   200        0.5781             nan     0.0662    0.0001
   220        0.5749             nan     0.0662   -0.0000
   240        0.5718             nan     0.0662    0.0000
   260        0.5690             nan     0.0662   -0.0000
   280        0.5664             nan     0.0662   -0.0000
   300        0.5645             nan     0.0662   -0.0000
   320        0.5625             nan     0.0662   -0.0000
   340        0.5610             nan     0.0662   -0.0000
   354        0.5596             nan     0.0662   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0546             nan     0.0663    0.0232
     2        1.0167             nan     0.0663    0.0191
     3        0.9841             nan     0.0663    0.0166
     4        0.9559             nan     0.0663    0.0142
     5        0.9313             nan     0.0663    0.0125
     6        0.9095             nan     0.0663    0.0107
     7        0.8902             nan     0.0663    0.0094
     8        0.8726             nan     0.0663    0.0085
     9        0.8571             nan     0.0663    0.0078
    10        0.8425             nan     0.0663    0.0074
    20        0.7461             nan     0.0663    0.0036
    40        0.6648             nan     0.0663    0.0012
    60        0.6313             nan     0.0663    0.0003
    80        0.6127             nan     0.0663    0.0002
   100        0.6012             nan     0.0663    0.0001
   120        0.5911             nan     0.0663    0.0002
   140        0.5843             nan     0.0663    0.0000
   160        0.5789             nan     0.0663   -0.0001
   180        0.5740             nan     0.0663   -0.0000
   200        0.5701             nan     0.0663    0.0001
   220        0.5669             nan     0.0663   -0.0000
   240        0.5636             nan     0.0663   -0.0000
   260        0.5601             nan     0.0663   -0.0000
   280        0.5574             nan     0.0663    0.0000
   300        0.5556             nan     0.0663   -0.0001
   320        0.5525             nan     0.0663   -0.0000
   340        0.5507             nan     0.0663   -0.0000
   355        0.5482             nan     0.0663   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0618             nan     0.0685    0.0183
     2        1.0307             nan     0.0685    0.0154
     3        1.0037             nan     0.0685    0.0138
     4        0.9805             nan     0.0685    0.0116
     5        0.9590             nan     0.0685    0.0108
     6        0.9359             nan     0.0685    0.0113
     7        0.9162             nan     0.0685    0.0098
     8        0.8989             nan     0.0685    0.0087
     9        0.8855             nan     0.0685    0.0066
    10        0.8712             nan     0.0685    0.0070
    20        0.7869             nan     0.0685    0.0032
    40        0.7064             nan     0.0685    0.0014
    60        0.6675             nan     0.0685    0.0008
    80        0.6454             nan     0.0685    0.0004
   100        0.6312             nan     0.0685    0.0001
   120        0.6223             nan     0.0685    0.0002
   140        0.6155             nan     0.0685    0.0001
   160        0.6094             nan     0.0685    0.0001
   180        0.6046             nan     0.0685    0.0001
   200        0.6014             nan     0.0685   -0.0000
   220        0.5981             nan     0.0685   -0.0000
   240        0.5947             nan     0.0685   -0.0000
   260        0.5913             nan     0.0685   -0.0000
   280        0.5890             nan     0.0685   -0.0000
   300        0.5873             nan     0.0685   -0.0000
   320        0.5853             nan     0.0685   -0.0000
   340        0.5836             nan     0.0685   -0.0000
   360        0.5820             nan     0.0685   -0.0000
   380        0.5806             nan     0.0685    0.0000
   400        0.5790             nan     0.0685   -0.0001
   406        0.5787             nan     0.0685   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0634             nan     0.0687    0.0187
     2        1.0317             nan     0.0687    0.0156
     3        1.0040             nan     0.0687    0.0141
     4        0.9803             nan     0.0687    0.0119
     5        0.9590             nan     0.0687    0.0107
     6        0.9359             nan     0.0687    0.0113
     7        0.9165             nan     0.0687    0.0100
     8        0.9016             nan     0.0687    0.0074
     9        0.8856             nan     0.0687    0.0079
    10        0.8715             nan     0.0687    0.0070
    20        0.7888             nan     0.0687    0.0029
    40        0.7065             nan     0.0687    0.0012
    60        0.6669             nan     0.0687    0.0004
    80        0.6452             nan     0.0687    0.0002
   100        0.6321             nan     0.0687    0.0002
   120        0.6220             nan     0.0687    0.0001
   140        0.6147             nan     0.0687    0.0001
   160        0.6088             nan     0.0687    0.0001
   180        0.6031             nan     0.0687    0.0001
   200        0.5991             nan     0.0687    0.0000
   220        0.5962             nan     0.0687   -0.0000
   240        0.5927             nan     0.0687    0.0000
   260        0.5898             nan     0.0687    0.0000
   280        0.5873             nan     0.0687    0.0000
   300        0.5850             nan     0.0687    0.0000
   320        0.5825             nan     0.0687    0.0000
   340        0.5806             nan     0.0687   -0.0000
   360        0.5788             nan     0.0687   -0.0000
   380        0.5764             nan     0.0687   -0.0000
   400        0.5748             nan     0.0687    0.0000
   420        0.5736             nan     0.0687   -0.0000
   440        0.5720             nan     0.0687   -0.0000
   460        0.5706             nan     0.0687   -0.0001
   480        0.5691             nan     0.0687   -0.0000
   500        0.5679             nan     0.0687   -0.0000
   520        0.5668             nan     0.0687   -0.0000
   540        0.5658             nan     0.0687   -0.0001
   560        0.5649             nan     0.0687   -0.0000
   580        0.5641             nan     0.0687   -0.0001
   600        0.5632             nan     0.0687   -0.0001
   620        0.5622             nan     0.0687   -0.0000
   640        0.5612             nan     0.0687   -0.0000
   660        0.5595             nan     0.0687   -0.0000
   680        0.5584             nan     0.0687   -0.0000
   700        0.5570             nan     0.0687   -0.0000
   720        0.5564             nan     0.0687   -0.0000
   740        0.5555             nan     0.0687    0.0000
   760        0.5541             nan     0.0687   -0.0000
   780        0.5532             nan     0.0687   -0.0000
   800        0.5522             nan     0.0687   -0.0000
   820        0.5515             nan     0.0687   -0.0000
   840        0.5507             nan     0.0687   -0.0000
   860        0.5500             nan     0.0687   -0.0000
   880        0.5494             nan     0.0687   -0.0000
   881        0.5493             nan     0.0687   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0726             nan     0.0697    0.0138
     2        1.0486             nan     0.0697    0.0119
     3        1.0285             nan     0.0697    0.0103
     4        1.0107             nan     0.0697    0.0089
     5        0.9942             nan     0.0697    0.0081
     6        0.9813             nan     0.0697    0.0063
     7        0.9662             nan     0.0697    0.0075
     8        0.9531             nan     0.0697    0.0066
     9        0.9432             nan     0.0697    0.0052
    10        0.9347             nan     0.0697    0.0041
    20        0.8499             nan     0.0697    0.0032
    40        0.7696             nan     0.0697    0.0011
    60        0.7230             nan     0.0697    0.0013
    80        0.6948             nan     0.0697    0.0004
   100        0.6737             nan     0.0697    0.0003
   120        0.6603             nan     0.0697    0.0001
   140        0.6495             nan     0.0697    0.0001
   160        0.6410             nan     0.0697    0.0001
   180        0.6355             nan     0.0697    0.0000
   200        0.6303             nan     0.0697    0.0002
   220        0.6260             nan     0.0697    0.0001
   240        0.6221             nan     0.0697    0.0000
   260        0.6190             nan     0.0697    0.0000
   280        0.6159             nan     0.0697    0.0000
   300        0.6136             nan     0.0697    0.0000
   320        0.6112             nan     0.0697    0.0000
   340        0.6089             nan     0.0697    0.0000
   360        0.6065             nan     0.0697    0.0000
   380        0.6051             nan     0.0697   -0.0000
   400        0.6036             nan     0.0697    0.0000
   420        0.6017             nan     0.0697    0.0001
   440        0.6001             nan     0.0697    0.0000
   460        0.5989             nan     0.0697   -0.0000
   480        0.5977             nan     0.0697   -0.0000
   500        0.5966             nan     0.0697   -0.0000
   520        0.5956             nan     0.0697   -0.0000
   540        0.5945             nan     0.0697    0.0000
   545        0.5942             nan     0.0697   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0491             nan     0.0714    0.0254
     2        1.0070             nan     0.0714    0.0213
     3        0.9716             nan     0.0714    0.0177
     4        0.9414             nan     0.0714    0.0154
     5        0.9153             nan     0.0714    0.0132
     6        0.8927             nan     0.0714    0.0112
     7        0.8714             nan     0.0714    0.0108
     8        0.8532             nan     0.0714    0.0089
     9        0.8367             nan     0.0714    0.0081
    10        0.8227             nan     0.0714    0.0069
    20        0.7261             nan     0.0714    0.0035
    40        0.6498             nan     0.0714    0.0013
    60        0.6177             nan     0.0714    0.0007
    80        0.6005             nan     0.0714    0.0001
   100        0.5898             nan     0.0714    0.0002
   120        0.5811             nan     0.0714    0.0001
   140        0.5753             nan     0.0714    0.0002
   160        0.5705             nan     0.0714   -0.0000
   180        0.5656             nan     0.0714    0.0000
   200        0.5623             nan     0.0714   -0.0001
   220        0.5584             nan     0.0714   -0.0001
   240        0.5549             nan     0.0714   -0.0000
   260        0.5527             nan     0.0714   -0.0001
   280        0.5498             nan     0.0714   -0.0001
   300        0.5473             nan     0.0714    0.0000
   320        0.5450             nan     0.0714   -0.0000
   340        0.5429             nan     0.0714   -0.0000
   360        0.5412             nan     0.0714   -0.0000
   380        0.5396             nan     0.0714   -0.0000
   400        0.5377             nan     0.0714   -0.0000
   420        0.5359             nan     0.0714   -0.0000
   440        0.5341             nan     0.0714   -0.0000
   460        0.5325             nan     0.0714   -0.0000
   473        0.5315             nan     0.0714   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0605             nan     0.0743    0.0199
     2        1.0271             nan     0.0743    0.0160
     3        0.9976             nan     0.0743    0.0146
     4        0.9730             nan     0.0743    0.0125
     5        0.9518             nan     0.0743    0.0106
     6        0.9281             nan     0.0743    0.0121
     7        0.9072             nan     0.0743    0.0105
     8        0.8891             nan     0.0743    0.0089
     9        0.8731             nan     0.0743    0.0079
    10        0.8605             nan     0.0743    0.0062
    20        0.7750             nan     0.0743    0.0031
    40        0.6966             nan     0.0743    0.0012
    60        0.6610             nan     0.0743    0.0006
    80        0.6407             nan     0.0743    0.0003
   100        0.6271             nan     0.0743    0.0001
   120        0.6198             nan     0.0743    0.0000
   140        0.6124             nan     0.0743    0.0002
   160        0.6072             nan     0.0743    0.0000
   180        0.6028             nan     0.0743   -0.0000
   185        0.6016             nan     0.0743    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0494             nan     0.0751    0.0255
     2        1.0072             nan     0.0751    0.0214
     3        0.9721             nan     0.0751    0.0176
     4        0.9412             nan     0.0751    0.0154
     5        0.9151             nan     0.0751    0.0128
     6        0.8926             nan     0.0751    0.0113
     7        0.8725             nan     0.0751    0.0097
     8        0.8553             nan     0.0751    0.0086
     9        0.8388             nan     0.0751    0.0079
    10        0.8240             nan     0.0751    0.0070
    20        0.7298             nan     0.0751    0.0040
    40        0.6538             nan     0.0751    0.0010
    60        0.6235             nan     0.0751    0.0004
    80        0.6066             nan     0.0751    0.0003
   100        0.5940             nan     0.0751    0.0002
   120        0.5860             nan     0.0751    0.0001
   140        0.5786             nan     0.0751    0.0001
   160        0.5740             nan     0.0751   -0.0000
   180        0.5687             nan     0.0751    0.0000
   200        0.5639             nan     0.0751   -0.0000
   220        0.5601             nan     0.0751   -0.0000
   225        0.5592             nan     0.0751   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0597             nan     0.0773    0.0207
     2        1.0255             nan     0.0773    0.0171
     3        0.9954             nan     0.0773    0.0150
     4        0.9694             nan     0.0773    0.0129
     5        0.9414             nan     0.0773    0.0138
     6        0.9217             nan     0.0773    0.0096
     7        0.9007             nan     0.0773    0.0103
     8        0.8824             nan     0.0773    0.0092
     9        0.8684             nan     0.0773    0.0070
    10        0.8540             nan     0.0773    0.0072
    20        0.7715             nan     0.0773    0.0024
    40        0.6919             nan     0.0773    0.0012
    60        0.6574             nan     0.0773    0.0006
    80        0.6370             nan     0.0773    0.0004
   100        0.6245             nan     0.0773    0.0001
   120        0.6161             nan     0.0773    0.0001
   140        0.6093             nan     0.0773    0.0000
   160        0.6046             nan     0.0773   -0.0000
   180        0.6009             nan     0.0773    0.0000
   200        0.5970             nan     0.0773   -0.0000
   220        0.5938             nan     0.0773   -0.0000
   240        0.5905             nan     0.0773   -0.0000
   260        0.5882             nan     0.0773   -0.0000
   280        0.5858             nan     0.0773    0.0001
   300        0.5839             nan     0.0773   -0.0001
   320        0.5821             nan     0.0773    0.0000
   340        0.5802             nan     0.0773   -0.0000
   360        0.5789             nan     0.0773   -0.0000
   380        0.5775             nan     0.0773   -0.0000
   400        0.5760             nan     0.0773   -0.0001
   420        0.5749             nan     0.0773   -0.0001
   440        0.5736             nan     0.0773   -0.0000
   460        0.5724             nan     0.0773    0.0000
   480        0.5709             nan     0.0773   -0.0000
   500        0.5696             nan     0.0773   -0.0000
   520        0.5684             nan     0.0773   -0.0000
   540        0.5675             nan     0.0773   -0.0001
   560        0.5669             nan     0.0773   -0.0001
   580        0.5658             nan     0.0773    0.0001
   600        0.5651             nan     0.0773   -0.0000
   606        0.5648             nan     0.0773   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0697             nan     0.0774    0.0152
     2        1.0441             nan     0.0774    0.0129
     3        1.0225             nan     0.0774    0.0110
     4        1.0036             nan     0.0774    0.0092
     5        0.9849             nan     0.0774    0.0093
     6        0.9714             nan     0.0774    0.0069
     7        0.9556             nan     0.0774    0.0078
     8        0.9449             nan     0.0774    0.0052
     9        0.9314             nan     0.0774    0.0066
    10        0.9189             nan     0.0774    0.0060
    20        0.8390             nan     0.0774    0.0032
    40        0.7570             nan     0.0774    0.0012
    60        0.7130             nan     0.0774    0.0007
    80        0.6849             nan     0.0774    0.0006
   100        0.6655             nan     0.0774    0.0004
   120        0.6526             nan     0.0774    0.0002
   140        0.6420             nan     0.0774    0.0003
   160        0.6360             nan     0.0774    0.0001
   180        0.6303             nan     0.0774    0.0001
   200        0.6250             nan     0.0774    0.0000
   220        0.6212             nan     0.0774    0.0001
   240        0.6181             nan     0.0774    0.0000
   260        0.6148             nan     0.0774   -0.0000
   280        0.6120             nan     0.0774    0.0000
   300        0.6095             nan     0.0774    0.0000
   320        0.6075             nan     0.0774    0.0000
   340        0.6057             nan     0.0774    0.0000
   360        0.6033             nan     0.0774   -0.0000
   380        0.6017             nan     0.0774   -0.0000
   400        0.6002             nan     0.0774   -0.0000
   420        0.5985             nan     0.0774   -0.0000
   440        0.5971             nan     0.0774   -0.0000
   460        0.5962             nan     0.0774   -0.0000
   480        0.5951             nan     0.0774    0.0001
   500        0.5939             nan     0.0774    0.0000
   520        0.5925             nan     0.0774   -0.0000
   540        0.5915             nan     0.0774   -0.0000
   560        0.5909             nan     0.0774   -0.0000
   580        0.5900             nan     0.0774   -0.0000
   600        0.5894             nan     0.0774   -0.0000
   620        0.5886             nan     0.0774   -0.0000
   640        0.5879             nan     0.0774   -0.0000
   660        0.5873             nan     0.0774   -0.0000
   680        0.5866             nan     0.0774   -0.0000
   700        0.5861             nan     0.0774   -0.0000
   720        0.5854             nan     0.0774   -0.0000
   735        0.5849             nan     0.0774   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0449             nan     0.0790    0.0274
     2        1.0012             nan     0.0790    0.0217
     3        0.9649             nan     0.0790    0.0183
     4        0.9349             nan     0.0790    0.0152
     5        0.9084             nan     0.0790    0.0128
     6        0.8846             nan     0.0790    0.0121
     7        0.8649             nan     0.0790    0.0097
     8        0.8468             nan     0.0790    0.0090
     9        0.8302             nan     0.0790    0.0082
    10        0.8152             nan     0.0790    0.0074
    20        0.7223             nan     0.0790    0.0032
    40        0.6496             nan     0.0790    0.0011
    60        0.6202             nan     0.0790    0.0004
    80        0.6035             nan     0.0790    0.0003
   100        0.5941             nan     0.0790    0.0000
   120        0.5861             nan     0.0790    0.0000
   140        0.5801             nan     0.0790   -0.0000
   160        0.5759             nan     0.0790   -0.0000
   180        0.5719             nan     0.0790   -0.0000
   200        0.5684             nan     0.0790   -0.0001
   220        0.5651             nan     0.0790   -0.0001
   240        0.5619             nan     0.0790   -0.0000
   260        0.5594             nan     0.0790   -0.0001
   280        0.5569             nan     0.0790   -0.0000
   300        0.5547             nan     0.0790   -0.0000
   320        0.5526             nan     0.0790   -0.0001
   340        0.5506             nan     0.0790   -0.0000
   360        0.5483             nan     0.0790   -0.0000
   380        0.5468             nan     0.0790   -0.0000
   388        0.5458             nan     0.0790   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0574             nan     0.0803    0.0216
     2        1.0220             nan     0.0803    0.0173
     3        0.9912             nan     0.0803    0.0154
     4        0.9651             nan     0.0803    0.0130
     5        0.9371             nan     0.0803    0.0137
     6        0.9175             nan     0.0803    0.0095
     7        0.8961             nan     0.0803    0.0107
     8        0.8776             nan     0.0803    0.0091
     9        0.8630             nan     0.0803    0.0070
    10        0.8485             nan     0.0803    0.0074
    20        0.7664             nan     0.0803    0.0027
    40        0.6883             nan     0.0803    0.0015
    60        0.6527             nan     0.0803    0.0007
    80        0.6344             nan     0.0803    0.0002
   100        0.6235             nan     0.0803    0.0002
   120        0.6155             nan     0.0803    0.0001
   140        0.6100             nan     0.0803    0.0001
   160        0.6042             nan     0.0803    0.0001
   180        0.6000             nan     0.0803   -0.0001
   200        0.5963             nan     0.0803    0.0000
   220        0.5929             nan     0.0803   -0.0000
   240        0.5896             nan     0.0803    0.0000
   260        0.5871             nan     0.0803   -0.0000
   270        0.5858             nan     0.0803    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0503             nan     0.0808    0.0250
     2        1.0095             nan     0.0808    0.0200
     3        0.9726             nan     0.0808    0.0184
     4        0.9437             nan     0.0808    0.0143
     5        0.9181             nan     0.0808    0.0127
     6        0.8950             nan     0.0808    0.0112
     7        0.8750             nan     0.0808    0.0099
     8        0.8555             nan     0.0808    0.0095
     9        0.8390             nan     0.0808    0.0083
    10        0.8239             nan     0.0808    0.0074
    20        0.7392             nan     0.0808    0.0026
    40        0.6636             nan     0.0808    0.0014
    60        0.6327             nan     0.0808    0.0004
    80        0.6158             nan     0.0808    0.0002
   100        0.6056             nan     0.0808    0.0002
   120        0.5969             nan     0.0808    0.0001
   140        0.5908             nan     0.0808    0.0000
   160        0.5860             nan     0.0808    0.0000
   180        0.5810             nan     0.0808    0.0003
   200        0.5768             nan     0.0808    0.0001
   220        0.5742             nan     0.0808   -0.0000
   240        0.5717             nan     0.0808    0.0000
   260        0.5689             nan     0.0808   -0.0000
   280        0.5657             nan     0.0808    0.0001
   300        0.5630             nan     0.0808    0.0000
   320        0.5612             nan     0.0808   -0.0001
   340        0.5596             nan     0.0808   -0.0001
   360        0.5581             nan     0.0808   -0.0001
   380        0.5561             nan     0.0808   -0.0000
   400        0.5545             nan     0.0808    0.0002
   420        0.5530             nan     0.0808   -0.0001
   440        0.5516             nan     0.0808   -0.0000
   460        0.5501             nan     0.0808   -0.0001
   480        0.5477             nan     0.0808   -0.0000
   500        0.5464             nan     0.0808    0.0001
   520        0.5449             nan     0.0808   -0.0001
   540        0.5439             nan     0.0808   -0.0000
   560        0.5424             nan     0.0808   -0.0001
   580        0.5414             nan     0.0808   -0.0001
   600        0.5402             nan     0.0808   -0.0001
   620        0.5387             nan     0.0808   -0.0001
   640        0.5378             nan     0.0808   -0.0001
   660        0.5367             nan     0.0808   -0.0001
   680        0.5357             nan     0.0808   -0.0001
   700        0.5347             nan     0.0808   -0.0000
   720        0.5338             nan     0.0808   -0.0001
   723        0.5337             nan     0.0808   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0490             nan     0.0838    0.0257
     2        1.0073             nan     0.0838    0.0211
     3        0.9717             nan     0.0838    0.0175
     4        0.9406             nan     0.0838    0.0156
     5        0.9141             nan     0.0838    0.0132
     6        0.8881             nan     0.0838    0.0129
     7        0.8666             nan     0.0838    0.0107
     8        0.8477             nan     0.0838    0.0094
     9        0.8324             nan     0.0838    0.0073
    10        0.8203             nan     0.0838    0.0059
    20        0.7357             nan     0.0838    0.0025
    40        0.6597             nan     0.0838    0.0008
    60        0.6313             nan     0.0838    0.0007
    80        0.6155             nan     0.0838    0.0002
   100        0.6058             nan     0.0838    0.0000
   120        0.5986             nan     0.0838   -0.0000
   123        0.5978             nan     0.0838   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0400             nan     0.0840    0.0304
     2        0.9919             nan     0.0840    0.0236
     3        0.9529             nan     0.0840    0.0191
     4        0.9194             nan     0.0840    0.0164
     5        0.8911             nan     0.0840    0.0141
     6        0.8661             nan     0.0840    0.0124
     7        0.8458             nan     0.0840    0.0103
     8        0.8271             nan     0.0840    0.0093
     9        0.8110             nan     0.0840    0.0077
    10        0.7962             nan     0.0840    0.0074
    20        0.7026             nan     0.0840    0.0032
    40        0.6347             nan     0.0840    0.0009
    60        0.6078             nan     0.0840    0.0002
    80        0.5927             nan     0.0840    0.0000
   100        0.5819             nan     0.0840    0.0000
   120        0.5748             nan     0.0840    0.0002
   140        0.5684             nan     0.0840   -0.0000
   160        0.5631             nan     0.0840   -0.0001
   180        0.5592             nan     0.0840   -0.0001
   200        0.5556             nan     0.0840   -0.0001
   220        0.5530             nan     0.0840   -0.0000
   240        0.5499             nan     0.0840   -0.0001
   260        0.5473             nan     0.0840   -0.0001
   280        0.5448             nan     0.0840   -0.0001
   300        0.5429             nan     0.0840   -0.0000
   320        0.5408             nan     0.0840   -0.0001
   340        0.5382             nan     0.0840   -0.0001
   360        0.5361             nan     0.0840   -0.0001
   380        0.5342             nan     0.0840   -0.0001
   400        0.5321             nan     0.0840   -0.0000
   420        0.5302             nan     0.0840   -0.0000
   440        0.5282             nan     0.0840   -0.0001
   460        0.5263             nan     0.0840   -0.0001
   480        0.5249             nan     0.0840   -0.0000
   500        0.5231             nan     0.0840   -0.0002
   520        0.5215             nan     0.0840   -0.0001
   540        0.5200             nan     0.0840   -0.0001
   560        0.5184             nan     0.0840   -0.0001
   580        0.5168             nan     0.0840   -0.0000
   600        0.5154             nan     0.0840   -0.0001
   620        0.5137             nan     0.0840   -0.0001
   640        0.5124             nan     0.0840   -0.0002
   660        0.5113             nan     0.0840   -0.0001
   680        0.5100             nan     0.0840   -0.0001
   700        0.5087             nan     0.0840   -0.0001
   720        0.5076             nan     0.0840   -0.0001
   740        0.5061             nan     0.0840   -0.0000
   760        0.5049             nan     0.0840   -0.0001
   780        0.5036             nan     0.0840   -0.0000
   800        0.5022             nan     0.0840   -0.0001
   820        0.5012             nan     0.0840   -0.0001
   840        0.5001             nan     0.0840   -0.0001
   860        0.4992             nan     0.0840   -0.0001
   880        0.4977             nan     0.0840   -0.0001
   900        0.4965             nan     0.0840   -0.0001
   920        0.4953             nan     0.0840   -0.0001
   939        0.4943             nan     0.0840   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0400             nan     0.0873    0.0301
     2        0.9931             nan     0.0873    0.0229
     3        0.9537             nan     0.0873    0.0195
     4        0.9213             nan     0.0873    0.0162
     5        0.8943             nan     0.0873    0.0130
     6        0.8711             nan     0.0873    0.0114
     7        0.8509             nan     0.0873    0.0103
     8        0.8329             nan     0.0873    0.0090
     9        0.8178             nan     0.0873    0.0074
    10        0.8033             nan     0.0873    0.0070
    20        0.7113             nan     0.0873    0.0031
    40        0.6418             nan     0.0873    0.0006
    60        0.6128             nan     0.0873    0.0003
    80        0.5971             nan     0.0873    0.0001
   100        0.5851             nan     0.0873    0.0001
   120        0.5785             nan     0.0873   -0.0000
   140        0.5724             nan     0.0873    0.0001
   160        0.5681             nan     0.0873    0.0000
   180        0.5647             nan     0.0873   -0.0000
   200        0.5604             nan     0.0873   -0.0000
   220        0.5571             nan     0.0873   -0.0001
   240        0.5538             nan     0.0873   -0.0001
   260        0.5502             nan     0.0873   -0.0000
   280        0.5475             nan     0.0873   -0.0001
   300        0.5446             nan     0.0873   -0.0001
   320        0.5412             nan     0.0873   -0.0000
   340        0.5389             nan     0.0873   -0.0001
   360        0.5366             nan     0.0873   -0.0000
   380        0.5337             nan     0.0873   -0.0001
   400        0.5314             nan     0.0873   -0.0001
   420        0.5286             nan     0.0873   -0.0000
   440        0.5268             nan     0.0873   -0.0001
   442        0.5266             nan     0.0873   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0530             nan     0.0888    0.0241
     2        1.0143             nan     0.0888    0.0195
     3        0.9812             nan     0.0888    0.0162
     4        0.9546             nan     0.0888    0.0132
     5        0.9253             nan     0.0888    0.0147
     6        0.9054             nan     0.0888    0.0096
     7        0.8838             nan     0.0888    0.0112
     8        0.8653             nan     0.0888    0.0092
     9        0.8494             nan     0.0888    0.0080
    10        0.8374             nan     0.0888    0.0060
    20        0.7530             nan     0.0888    0.0031
    40        0.6793             nan     0.0888    0.0013
    60        0.6456             nan     0.0888    0.0006
    80        0.6297             nan     0.0888    0.0003
   100        0.6182             nan     0.0888    0.0002
   120        0.6103             nan     0.0888    0.0002
   140        0.6039             nan     0.0888    0.0001
   160        0.5989             nan     0.0888    0.0000
   180        0.5950             nan     0.0888    0.0001
   200        0.5908             nan     0.0888    0.0000
   220        0.5875             nan     0.0888    0.0000
   240        0.5847             nan     0.0888    0.0000
   260        0.5826             nan     0.0888   -0.0001
   280        0.5803             nan     0.0888   -0.0000
   300        0.5783             nan     0.0888    0.0001
   320        0.5763             nan     0.0888   -0.0000
   340        0.5742             nan     0.0888    0.0001
   346        0.5738             nan     0.0888   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0379             nan     0.0896    0.0302
     2        0.9905             nan     0.0896    0.0240
     3        0.9512             nan     0.0896    0.0197
     4        0.9172             nan     0.0896    0.0169
     5        0.8894             nan     0.0896    0.0141
     6        0.8667             nan     0.0896    0.0113
     7        0.8471             nan     0.0896    0.0098
     8        0.8300             nan     0.0896    0.0084
     9        0.8134             nan     0.0896    0.0082
    10        0.7996             nan     0.0896    0.0068
    20        0.7089             nan     0.0896    0.0027
    40        0.6421             nan     0.0896    0.0005
    60        0.6128             nan     0.0896    0.0002
    80        0.5994             nan     0.0896    0.0001
   100        0.5891             nan     0.0896   -0.0000
   120        0.5804             nan     0.0896    0.0001
   140        0.5748             nan     0.0896    0.0000
   160        0.5689             nan     0.0896   -0.0001
   180        0.5645             nan     0.0896   -0.0001
   200        0.5608             nan     0.0896   -0.0001
   220        0.5571             nan     0.0896   -0.0000
   240        0.5546             nan     0.0896   -0.0001
   256        0.5523             nan     0.0896   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0388             nan     0.0902    0.0312
     2        0.9904             nan     0.0902    0.0246
     3        0.9511             nan     0.0902    0.0194
     4        0.9177             nan     0.0902    0.0167
     5        0.8910             nan     0.0902    0.0134
     6        0.8673             nan     0.0902    0.0119
     7        0.8465             nan     0.0902    0.0104
     8        0.8282             nan     0.0902    0.0094
     9        0.8129             nan     0.0902    0.0075
    10        0.7989             nan     0.0902    0.0070
    20        0.7052             nan     0.0902    0.0023
    40        0.6403             nan     0.0902    0.0008
    60        0.6147             nan     0.0902    0.0004
    80        0.6002             nan     0.0902    0.0004
   100        0.5908             nan     0.0902    0.0001
   120        0.5841             nan     0.0902    0.0003
   140        0.5789             nan     0.0902   -0.0001
   160        0.5743             nan     0.0902   -0.0000
   180        0.5707             nan     0.0902    0.0000
   200        0.5676             nan     0.0902    0.0001
   220        0.5646             nan     0.0902   -0.0000
   240        0.5616             nan     0.0902    0.0000
   260        0.5593             nan     0.0902   -0.0001
   280        0.5568             nan     0.0902   -0.0000
   300        0.5548             nan     0.0902   -0.0001
   320        0.5530             nan     0.0902   -0.0001
   340        0.5515             nan     0.0902   -0.0000
   360        0.5495             nan     0.0902    0.0000
   380        0.5481             nan     0.0902   -0.0001
   400        0.5463             nan     0.0902   -0.0001
   420        0.5446             nan     0.0902   -0.0001
   440        0.5434             nan     0.0902   -0.0001
   460        0.5422             nan     0.0902   -0.0001
   480        0.5409             nan     0.0902   -0.0001
   500        0.5399             nan     0.0902   -0.0001
   520        0.5384             nan     0.0902   -0.0001
   540        0.5368             nan     0.0902   -0.0001
   560        0.5356             nan     0.0902   -0.0000
   580        0.5342             nan     0.0902   -0.0001
   600        0.5328             nan     0.0902   -0.0001
   620        0.5317             nan     0.0902   -0.0001
   640        0.5303             nan     0.0902    0.0000
   648        0.5299             nan     0.0902   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0410             nan     0.0960    0.0291
     2        0.9923             nan     0.0960    0.0245
     3        0.9553             nan     0.0960    0.0183
     4        0.9221             nan     0.0960    0.0163
     5        0.8954             nan     0.0960    0.0133
     6        0.8692             nan     0.0960    0.0126
     7        0.8468             nan     0.0960    0.0113
     8        0.8283             nan     0.0960    0.0092
     9        0.8141             nan     0.0960    0.0068
    10        0.7995             nan     0.0960    0.0072
    20        0.7165             nan     0.0960    0.0021
    40        0.6502             nan     0.0960    0.0009
    60        0.6233             nan     0.0960    0.0002
    80        0.6070             nan     0.0960    0.0003
   100        0.5975             nan     0.0960    0.0003
   120        0.5900             nan     0.0960    0.0000
   140        0.5839             nan     0.0960    0.0000
   160        0.5794             nan     0.0960   -0.0000
   180        0.5742             nan     0.0960    0.0000
   200        0.5707             nan     0.0960    0.0000
   220        0.5667             nan     0.0960   -0.0000
   240        0.5643             nan     0.0960   -0.0000
   260        0.5620             nan     0.0960   -0.0000
   280        0.5596             nan     0.0960   -0.0001
   300        0.5566             nan     0.0960   -0.0001
   320        0.5540             nan     0.0960   -0.0001
   340        0.5521             nan     0.0960   -0.0000
   360        0.5506             nan     0.0960   -0.0001
   380        0.5487             nan     0.0960   -0.0001
   400        0.5467             nan     0.0960   -0.0000
   420        0.5445             nan     0.0960   -0.0000
   440        0.5431             nan     0.0960   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0634             nan     0.0965    0.0189
     2        1.0325             nan     0.0965    0.0154
     3        1.0068             nan     0.0965    0.0125
     4        0.9843             nan     0.0965    0.0112
     5        0.9643             nan     0.0965    0.0100
     6        0.9489             nan     0.0965    0.0078
     7        0.9326             nan     0.0965    0.0077
     8        0.9170             nan     0.0965    0.0080
     9        0.9058             nan     0.0965    0.0056
    10        0.8924             nan     0.0965    0.0066
    20        0.8096             nan     0.0965    0.0029
    40        0.7320             nan     0.0965    0.0016
    60        0.6901             nan     0.0965    0.0009
    80        0.6644             nan     0.0965    0.0004
   100        0.6495             nan     0.0965    0.0001
   120        0.6396             nan     0.0965    0.0001
   140        0.6316             nan     0.0965    0.0001
   160        0.6255             nan     0.0965    0.0001
   180        0.6198             nan     0.0965    0.0001
   200        0.6158             nan     0.0965    0.0001
   220        0.6123             nan     0.0965   -0.0000
   240        0.6094             nan     0.0965    0.0000
   260        0.6066             nan     0.0965   -0.0000
   280        0.6039             nan     0.0965    0.0001
   300        0.6014             nan     0.0965   -0.0000
   320        0.5994             nan     0.0965   -0.0000
   340        0.5980             nan     0.0965   -0.0000
   360        0.5968             nan     0.0965   -0.0000
   380        0.5955             nan     0.0965   -0.0000
   400        0.5941             nan     0.0965   -0.0000
   420        0.5928             nan     0.0965   -0.0000
   440        0.5915             nan     0.0965    0.0000
   460        0.5905             nan     0.0965   -0.0000
   480        0.5896             nan     0.0965   -0.0000
   500        0.5889             nan     0.0965   -0.0000
   520        0.5879             nan     0.0965   -0.0001
   540        0.5871             nan     0.0965   -0.0000
   560        0.5864             nan     0.0965   -0.0000
   580        0.5859             nan     0.0965   -0.0000
   600        0.5852             nan     0.0965   -0.0000
   620        0.5847             nan     0.0965   -0.0000
   640        0.5841             nan     0.0965   -0.0000
   660        0.5836             nan     0.0965   -0.0001
   680        0.5828             nan     0.0965   -0.0000
   700        0.5821             nan     0.0965   -0.0001
   720        0.5815             nan     0.0965   -0.0001
   740        0.5810             nan     0.0965   -0.0000
   759        0.5807             nan     0.0965   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0399             nan     0.0983    0.0297
     2        0.9927             nan     0.0983    0.0228
     3        0.9511             nan     0.0983    0.0205
     4        0.9188             nan     0.0983    0.0162
     5        0.8917             nan     0.0983    0.0137
     6        0.8686             nan     0.0983    0.0115
     7        0.8461             nan     0.0983    0.0112
     8        0.8274             nan     0.0983    0.0095
     9        0.8112             nan     0.0983    0.0082
    10        0.7987             nan     0.0983    0.0060
    20        0.7137             nan     0.0983    0.0021
    40        0.6462             nan     0.0983    0.0009
    60        0.6192             nan     0.0983    0.0002
    80        0.6054             nan     0.0983    0.0001
   100        0.5954             nan     0.0983    0.0000
   120        0.5883             nan     0.0983    0.0001
   140        0.5826             nan     0.0983   -0.0000
   160        0.5769             nan     0.0983   -0.0000
   180        0.5715             nan     0.0983   -0.0000
   200        0.5683             nan     0.0983   -0.0000
   220        0.5658             nan     0.0983   -0.0000
   240        0.5626             nan     0.0983    0.0000
   260        0.5604             nan     0.0983   -0.0001
   280        0.5582             nan     0.0983   -0.0000
   300        0.5554             nan     0.0983   -0.0000
   320        0.5526             nan     0.0983   -0.0000
   336        0.5503             nan     0.0983    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0616             nan     0.1014    0.0198
     2        1.0293             nan     0.1014    0.0159
     3        1.0048             nan     0.1014    0.0122
     4        0.9798             nan     0.1014    0.0125
     5        0.9635             nan     0.1014    0.0081
     6        0.9436             nan     0.1014    0.0101
     7        0.9272             nan     0.1014    0.0081
     8        0.9110             nan     0.1014    0.0081
     9        0.9000             nan     0.1014    0.0055
    10        0.8875             nan     0.1014    0.0061
    20        0.8030             nan     0.1014    0.0027
    40        0.7266             nan     0.1014    0.0011
    60        0.6859             nan     0.1014    0.0008
    80        0.6623             nan     0.1014    0.0003
   100        0.6447             nan     0.1014    0.0002
   120        0.6352             nan     0.1014    0.0001
   140        0.6281             nan     0.1014    0.0001
   160        0.6228             nan     0.1014    0.0000
   180        0.6181             nan     0.1014   -0.0000
   200        0.6135             nan     0.1014    0.0000
   220        0.6108             nan     0.1014   -0.0000
   240        0.6081             nan     0.1014    0.0000
   260        0.6051             nan     0.1014    0.0000
   280        0.6033             nan     0.1014    0.0000
   300        0.6015             nan     0.1014   -0.0000
   320        0.5996             nan     0.1014    0.0000
   340        0.5984             nan     0.1014   -0.0000
   360        0.5968             nan     0.1014   -0.0000
   380        0.5958             nan     0.1014   -0.0000
   400        0.5943             nan     0.1014   -0.0000
   420        0.5933             nan     0.1014   -0.0000
   440        0.5923             nan     0.1014    0.0000
   460        0.5916             nan     0.1014   -0.0000
   480        0.5906             nan     0.1014   -0.0000
   500        0.5896             nan     0.1014   -0.0000
   520        0.5888             nan     0.1014   -0.0000
   540        0.5880             nan     0.1014   -0.0000
   560        0.5874             nan     0.1014   -0.0000
   580        0.5869             nan     0.1014   -0.0000
   600        0.5863             nan     0.1014   -0.0000
   620        0.5857             nan     0.1014   -0.0000
   640        0.5852             nan     0.1014   -0.0000
   660        0.5848             nan     0.1014   -0.0001
   680        0.5844             nan     0.1014   -0.0000
   700        0.5840             nan     0.1014   -0.0000
   720        0.5833             nan     0.1014   -0.0000
   740        0.5830             nan     0.1014   -0.0000
   760        0.5827             nan     0.1014   -0.0001
   780        0.5824             nan     0.1014   -0.0000
   800        0.5820             nan     0.1014   -0.0000
   820        0.5816             nan     0.1014   -0.0000
   840        0.5812             nan     0.1014   -0.0000
   860        0.5810             nan     0.1014   -0.0000
   880        0.5806             nan     0.1014    0.0000
   896        0.5803             nan     0.1014   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0386             nan     0.1018    0.0308
     2        0.9878             nan     0.1018    0.0253
     3        0.9474             nan     0.1018    0.0197
     4        0.9145             nan     0.1018    0.0163
     5        0.8833             nan     0.1018    0.0156
     6        0.8603             nan     0.1018    0.0113
     7        0.8419             nan     0.1018    0.0090
     8        0.8247             nan     0.1018    0.0084
     9        0.8080             nan     0.1018    0.0084
    10        0.7930             nan     0.1018    0.0073
    20        0.7124             nan     0.1018    0.0028
    40        0.6442             nan     0.1018    0.0006
    60        0.6184             nan     0.1018    0.0003
    80        0.6042             nan     0.1018    0.0004
   100        0.5953             nan     0.1018    0.0000
   120        0.5877             nan     0.1018    0.0001
   140        0.5814             nan     0.1018    0.0002
   160        0.5771             nan     0.1018   -0.0000
   180        0.5733             nan     0.1018   -0.0000
   200        0.5701             nan     0.1018    0.0000
   220        0.5671             nan     0.1018   -0.0000
   240        0.5645             nan     0.1018   -0.0000
   260        0.5618             nan     0.1018   -0.0000
   280        0.5595             nan     0.1018    0.0000
   300        0.5574             nan     0.1018   -0.0000
   302        0.5572             nan     0.1018   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0465             nan     0.1024    0.0274
     2        1.0051             nan     0.1024    0.0206
     3        0.9686             nan     0.1024    0.0183
     4        0.9335             nan     0.1024    0.0180
     5        0.9088             nan     0.1024    0.0124
     6        0.8833             nan     0.1024    0.0128
     7        0.8648             nan     0.1024    0.0089
     8        0.8459             nan     0.1024    0.0095
     9        0.8316             nan     0.1024    0.0071
    10        0.8174             nan     0.1024    0.0070
    20        0.7364             nan     0.1024    0.0033
    40        0.6668             nan     0.1024    0.0013
    60        0.6375             nan     0.1024    0.0004
    80        0.6227             nan     0.1024    0.0001
   100        0.6123             nan     0.1024    0.0002
   120        0.6041             nan     0.1024    0.0000
   140        0.5983             nan     0.1024    0.0000
   160        0.5936             nan     0.1024    0.0000
   180        0.5892             nan     0.1024    0.0000
   200        0.5855             nan     0.1024   -0.0000
   220        0.5817             nan     0.1024    0.0000
   240        0.5788             nan     0.1024   -0.0000
   260        0.5764             nan     0.1024   -0.0000
   280        0.5736             nan     0.1024   -0.0000
   300        0.5719             nan     0.1024   -0.0000
   320        0.5690             nan     0.1024   -0.0000
   340        0.5672             nan     0.1024    0.0000
   360        0.5659             nan     0.1024   -0.0000
   380        0.5646             nan     0.1024   -0.0001
   400        0.5626             nan     0.1024    0.0000
   420        0.5610             nan     0.1024   -0.0001
   440        0.5600             nan     0.1024   -0.0000
   460        0.5588             nan     0.1024   -0.0000
   480        0.5574             nan     0.1024   -0.0001
   500        0.5566             nan     0.1024    0.0000
   520        0.5552             nan     0.1024   -0.0001
   540        0.5544             nan     0.1024   -0.0001
   560        0.5535             nan     0.1024   -0.0001
   580        0.5524             nan     0.1024   -0.0000
   600        0.5515             nan     0.1024   -0.0001
   620        0.5504             nan     0.1024    0.0000
   640        0.5492             nan     0.1024   -0.0001
   660        0.5484             nan     0.1024   -0.0000
   680        0.5475             nan     0.1024   -0.0001
   700        0.5469             nan     0.1024   -0.0001
   720        0.5463             nan     0.1024   -0.0001
   740        0.5452             nan     0.1024   -0.0001
   760        0.5440             nan     0.1024   -0.0000
   780        0.5430             nan     0.1024   -0.0000
   800        0.5423             nan     0.1024   -0.0001
   820        0.5415             nan     0.1024   -0.0000
   840        0.5408             nan     0.1024   -0.0000
   851        0.5405             nan     0.1024   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0361             nan     0.1035    0.0317
     2        0.9857             nan     0.1035    0.0259
     3        0.9447             nan     0.1035    0.0201
     4        0.9121             nan     0.1035    0.0162
     5        0.8862             nan     0.1035    0.0127
     6        0.8598             nan     0.1035    0.0132
     7        0.8370             nan     0.1035    0.0112
     8        0.8177             nan     0.1035    0.0096
     9        0.8030             nan     0.1035    0.0070
    10        0.7882             nan     0.1035    0.0073
    20        0.7085             nan     0.1035    0.0027
    40        0.6438             nan     0.1035    0.0007
    60        0.6194             nan     0.1035    0.0002
    80        0.6047             nan     0.1035    0.0001
   100        0.5949             nan     0.1035    0.0000
   120        0.5874             nan     0.1035   -0.0000
   140        0.5807             nan     0.1035    0.0002
   160        0.5764             nan     0.1035   -0.0000
   180        0.5735             nan     0.1035   -0.0001
   190        0.5714             nan     0.1035   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0378             nan     0.1036    0.0315
     2        0.9856             nan     0.1036    0.0264
     3        0.9458             nan     0.1036    0.0198
     4        0.9127             nan     0.1036    0.0165
     5        0.8862             nan     0.1036    0.0137
     6        0.8616             nan     0.1036    0.0119
     7        0.8411             nan     0.1036    0.0101
     8        0.8217             nan     0.1036    0.0097
     9        0.8071             nan     0.1036    0.0074
    10        0.7956             nan     0.1036    0.0054
    20        0.7117             nan     0.1036    0.0024
    40        0.6441             nan     0.1036    0.0006
    60        0.6185             nan     0.1036    0.0005
    80        0.6019             nan     0.1036    0.0005
   100        0.5936             nan     0.1036   -0.0000
   120        0.5860             nan     0.1036    0.0000
   140        0.5811             nan     0.1036   -0.0001
   160        0.5765             nan     0.1036    0.0001
   180        0.5726             nan     0.1036    0.0001
   200        0.5698             nan     0.1036   -0.0000
   220        0.5669             nan     0.1036   -0.0001
   240        0.5637             nan     0.1036   -0.0001
   260        0.5612             nan     0.1036   -0.0001
   280        0.5589             nan     0.1036   -0.0001
   300        0.5565             nan     0.1036   -0.0000
   320        0.5549             nan     0.1036   -0.0001
   340        0.5530             nan     0.1036   -0.0001
   360        0.5498             nan     0.1036   -0.0001
   380        0.5476             nan     0.1036   -0.0000
   400        0.5457             nan     0.1036   -0.0001
   420        0.5435             nan     0.1036    0.0002
   440        0.5418             nan     0.1036   -0.0001
   460        0.5400             nan     0.1036   -0.0001
   480        0.5387             nan     0.1036   -0.0000
   500        0.5375             nan     0.1036   -0.0001
   520        0.5361             nan     0.1036   -0.0000
   540        0.5348             nan     0.1036   -0.0001
   560        0.5334             nan     0.1036   -0.0001
   580        0.5321             nan     0.1036   -0.0001
   600        0.5311             nan     0.1036   -0.0000
   620        0.5298             nan     0.1036   -0.0001
   640        0.5290             nan     0.1036   -0.0001
   660        0.5277             nan     0.1036   -0.0001
   677        0.5269             nan     0.1036   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0281             nan     0.1079    0.0360
     2        0.9744             nan     0.1079    0.0279
     3        0.9311             nan     0.1079    0.0216
     4        0.8960             nan     0.1079    0.0173
     5        0.8667             nan     0.1079    0.0137
     6        0.8432             nan     0.1079    0.0118
     7        0.8216             nan     0.1079    0.0106
     8        0.8045             nan     0.1079    0.0083
     9        0.7868             nan     0.1079    0.0087
    10        0.7708             nan     0.1079    0.0078
    20        0.6853             nan     0.1079    0.0034
    40        0.6262             nan     0.1079    0.0006
    60        0.6042             nan     0.1079    0.0002
    80        0.5906             nan     0.1079    0.0000
   100        0.5822             nan     0.1079   -0.0000
   120        0.5759             nan     0.1079   -0.0001
   140        0.5712             nan     0.1079   -0.0001
   160        0.5666             nan     0.1079   -0.0001
   180        0.5623             nan     0.1079   -0.0000
   200        0.5590             nan     0.1079   -0.0001
   220        0.5566             nan     0.1079   -0.0001
   240        0.5531             nan     0.1079    0.0000
   260        0.5501             nan     0.1079   -0.0001
   280        0.5475             nan     0.1079   -0.0001
   300        0.5455             nan     0.1079   -0.0002
   320        0.5433             nan     0.1079   -0.0000
   340        0.5410             nan     0.1079   -0.0000
   360        0.5394             nan     0.1079   -0.0001
   380        0.5376             nan     0.1079   -0.0001
   400        0.5358             nan     0.1079   -0.0001
   419        0.5344             nan     0.1079   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0350             nan     0.1099    0.0329
     2        0.9821             nan     0.1099    0.0264
     3        0.9410             nan     0.1099    0.0212
     4        0.9062             nan     0.1099    0.0174
     5        0.8746             nan     0.1099    0.0154
     6        0.8521             nan     0.1099    0.0111
     7        0.8296             nan     0.1099    0.0113
     8        0.8132             nan     0.1099    0.0080
     9        0.7965             nan     0.1099    0.0085
    10        0.7841             nan     0.1099    0.0058
    20        0.7016             nan     0.1099    0.0027
    40        0.6372             nan     0.1099    0.0011
    60        0.6147             nan     0.1099    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0329             nan     0.1114    0.0340
     2        0.9785             nan     0.1114    0.0275
     3        0.9362             nan     0.1114    0.0205
     4        0.9028             nan     0.1114    0.0166
     5        0.8746             nan     0.1114    0.0141
     6        0.8489             nan     0.1114    0.0129
     7        0.8271             nan     0.1114    0.0109
     8        0.8110             nan     0.1114    0.0078
     9        0.7935             nan     0.1114    0.0087
    10        0.7781             nan     0.1114    0.0074
    20        0.6988             nan     0.1114    0.0024
    40        0.6382             nan     0.1114    0.0008
    60        0.6155             nan     0.1114    0.0000
    80        0.6020             nan     0.1114    0.0001
   100        0.5920             nan     0.1114   -0.0000
   120        0.5850             nan     0.1114    0.0000
   140        0.5803             nan     0.1114   -0.0000
   160        0.5756             nan     0.1114    0.0001
   180        0.5721             nan     0.1114   -0.0000
   200        0.5687             nan     0.1114   -0.0001
   220        0.5662             nan     0.1114   -0.0001
   240        0.5638             nan     0.1114   -0.0000
   260        0.5613             nan     0.1114   -0.0000
   280        0.5594             nan     0.1114   -0.0001
   300        0.5576             nan     0.1114   -0.0001
   320        0.5555             nan     0.1114   -0.0001
   340        0.5539             nan     0.1114   -0.0001
   360        0.5522             nan     0.1114   -0.0000
   380        0.5505             nan     0.1114   -0.0001
   400        0.5490             nan     0.1114   -0.0001
   420        0.5479             nan     0.1114   -0.0001
   440        0.5467             nan     0.1114   -0.0001
   460        0.5452             nan     0.1114    0.0000
   480        0.5440             nan     0.1114   -0.0000
   500        0.5426             nan     0.1114   -0.0000
   520        0.5413             nan     0.1114   -0.0000
   540        0.5401             nan     0.1114   -0.0000
   560        0.5389             nan     0.1114   -0.0001
   580        0.5376             nan     0.1114   -0.0001
   600        0.5369             nan     0.1114   -0.0001
   620        0.5358             nan     0.1114   -0.0001
   640        0.5349             nan     0.1114   -0.0001
   660        0.5339             nan     0.1114   -0.0000
   680        0.5332             nan     0.1114   -0.0001
   685        0.5330             nan     0.1114   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0575             nan     0.1122    0.0218
     2        1.0230             nan     0.1122    0.0171
     3        0.9967             nan     0.1122    0.0128
     4        0.9710             nan     0.1122    0.0132
     5        0.9538             nan     0.1122    0.0082
     6        0.9333             nan     0.1122    0.0104
     7        0.9153             nan     0.1122    0.0087
     8        0.8989             nan     0.1122    0.0082
     9        0.8877             nan     0.1122    0.0055
    10        0.8743             nan     0.1122    0.0064
    20        0.7916             nan     0.1122    0.0031
    40        0.7164             nan     0.1122    0.0015
    60        0.6764             nan     0.1122    0.0007
    80        0.6540             nan     0.1122    0.0004
   100        0.6405             nan     0.1122    0.0002
   120        0.6323             nan     0.1122    0.0002
   140        0.6252             nan     0.1122    0.0002
   160        0.6197             nan     0.1122    0.0001
   180        0.6145             nan     0.1122    0.0001
   200        0.6108             nan     0.1122   -0.0000
   220        0.6080             nan     0.1122   -0.0000
   240        0.6053             nan     0.1122    0.0000
   260        0.6025             nan     0.1122   -0.0000
   280        0.6004             nan     0.1122   -0.0000
   300        0.5984             nan     0.1122    0.0000
   320        0.5966             nan     0.1122    0.0001
   340        0.5951             nan     0.1122   -0.0001
   360        0.5935             nan     0.1122   -0.0001
   380        0.5921             nan     0.1122   -0.0000
   400        0.5908             nan     0.1122   -0.0001
   420        0.5898             nan     0.1122   -0.0001
   440        0.5892             nan     0.1122   -0.0000
   460        0.5881             nan     0.1122   -0.0000
   480        0.5872             nan     0.1122   -0.0000
   500        0.5864             nan     0.1122   -0.0001
   520        0.5857             nan     0.1122   -0.0000
   540        0.5851             nan     0.1122   -0.0000
   560        0.5843             nan     0.1122   -0.0000
   580        0.5836             nan     0.1122   -0.0000
   600        0.5828             nan     0.1122   -0.0000
   615        0.5823             nan     0.1122   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0358             nan     0.1211    0.0318
     2        0.9874             nan     0.1211    0.0238
     3        0.9497             nan     0.1211    0.0187
     4        0.9119             nan     0.1211    0.0187
     5        0.8824             nan     0.1211    0.0144
     6        0.8614             nan     0.1211    0.0099
     7        0.8418             nan     0.1211    0.0099
     8        0.8260             nan     0.1211    0.0077
     9        0.8098             nan     0.1211    0.0082
    10        0.7972             nan     0.1211    0.0061
    20        0.7149             nan     0.1211    0.0026
    40        0.6528             nan     0.1211    0.0013
    60        0.6295             nan     0.1211    0.0002
    80        0.6163             nan     0.1211    0.0001
   100        0.6067             nan     0.1211    0.0002
   120        0.5988             nan     0.1211    0.0001
   140        0.5935             nan     0.1211    0.0000
   160        0.5890             nan     0.1211    0.0002
   180        0.5860             nan     0.1211   -0.0000
   200        0.5820             nan     0.1211   -0.0001
   220        0.5795             nan     0.1211   -0.0001
   240        0.5770             nan     0.1211   -0.0000
   260        0.5750             nan     0.1211   -0.0001
   280        0.5728             nan     0.1211   -0.0001
   300        0.5701             nan     0.1211   -0.0001
   320        0.5680             nan     0.1211   -0.0000
   340        0.5661             nan     0.1211   -0.0000
   360        0.5645             nan     0.1211   -0.0000
   380        0.5632             nan     0.1211   -0.0001
   400        0.5619             nan     0.1211   -0.0001
   420        0.5608             nan     0.1211   -0.0001
   440        0.5600             nan     0.1211   -0.0001
   460        0.5587             nan     0.1211   -0.0001
   480        0.5574             nan     0.1211   -0.0001
   500        0.5566             nan     0.1211   -0.0001
   520        0.5557             nan     0.1211   -0.0001
   540        0.5545             nan     0.1211   -0.0001
   560        0.5537             nan     0.1211   -0.0000
   580        0.5527             nan     0.1211   -0.0000
   600        0.5516             nan     0.1211   -0.0000
   620        0.5508             nan     0.1211    0.0000
   640        0.5499             nan     0.1211   -0.0000
   660        0.5493             nan     0.1211   -0.0001
   680        0.5488             nan     0.1211   -0.0001
   700        0.5482             nan     0.1211   -0.0000
   720        0.5476             nan     0.1211   -0.0001
   740        0.5469             nan     0.1211   -0.0001
   760        0.5461             nan     0.1211   -0.0001
   780        0.5457             nan     0.1211   -0.0000
   800        0.5450             nan     0.1211   -0.0001
   820        0.5444             nan     0.1211   -0.0001
   840        0.5440             nan     0.1211   -0.0001
   848        0.5438             nan     0.1211   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0102             nan     0.1273    0.0453
     2        0.9473             nan     0.1273    0.0313
     3        0.8996             nan     0.1273    0.0231
     4        0.8617             nan     0.1273    0.0189
     5        0.8328             nan     0.1273    0.0146
     6        0.8083             nan     0.1273    0.0120
     7        0.7859             nan     0.1273    0.0109
     8        0.7673             nan     0.1273    0.0093
     9        0.7497             nan     0.1273    0.0088
    10        0.7357             nan     0.1273    0.0069
    20        0.6580             nan     0.1273    0.0020
    40        0.6080             nan     0.1273    0.0004
    60        0.5873             nan     0.1273    0.0003
    80        0.5763             nan     0.1273    0.0000
   100        0.5668             nan     0.1273   -0.0001
   120        0.5601             nan     0.1273   -0.0001
   140        0.5549             nan     0.1273   -0.0001
   160        0.5505             nan     0.1273   -0.0001
   180        0.5466             nan     0.1273   -0.0001
   200        0.5437             nan     0.1273   -0.0002
   220        0.5400             nan     0.1273   -0.0001
   240        0.5369             nan     0.1273   -0.0001
   260        0.5340             nan     0.1273   -0.0001
   280        0.5314             nan     0.1273   -0.0001
   300        0.5292             nan     0.1273   -0.0001
   320        0.5268             nan     0.1273   -0.0001
   340        0.5242             nan     0.1273   -0.0001
   360        0.5219             nan     0.1273   -0.0001
   380        0.5197             nan     0.1273   -0.0001
   400        0.5179             nan     0.1273   -0.0001
   420        0.5164             nan     0.1273   -0.0001
   440        0.5143             nan     0.1273   -0.0002
   460        0.5129             nan     0.1273   -0.0001
   480        0.5109             nan     0.1273   -0.0001
   500        0.5091             nan     0.1273   -0.0001
   520        0.5073             nan     0.1273   -0.0001
   540        0.5057             nan     0.1273   -0.0002
   560        0.5039             nan     0.1273   -0.0002
   580        0.5025             nan     0.1273   -0.0001
   600        0.5007             nan     0.1273   -0.0001
   620        0.4992             nan     0.1273   -0.0001
   638        0.4982             nan     0.1273   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0256             nan     0.1282    0.0387
     2        0.9665             nan     0.1282    0.0297
     3        0.9211             nan     0.1282    0.0227
     4        0.8849             nan     0.1282    0.0182
     5        0.8574             nan     0.1282    0.0139
     6        0.8330             nan     0.1282    0.0123
     7        0.8116             nan     0.1282    0.0108
     8        0.7933             nan     0.1282    0.0091
     9        0.7799             nan     0.1282    0.0063
    10        0.7665             nan     0.1282    0.0067
    20        0.6865             nan     0.1282    0.0023
    40        0.6287             nan     0.1282    0.0008
    60        0.6076             nan     0.1282    0.0005
    80        0.5956             nan     0.1282   -0.0000
   100        0.5886             nan     0.1282   -0.0000
   120        0.5809             nan     0.1282    0.0000
   140        0.5763             nan     0.1282    0.0000
   156        0.5733             nan     0.1282   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0136             nan     0.1284    0.0436
     2        0.9528             nan     0.1284    0.0297
     3        0.9060             nan     0.1284    0.0227
     4        0.8686             nan     0.1284    0.0187
     5        0.8408             nan     0.1284    0.0138
     6        0.8162             nan     0.1284    0.0125
     7        0.7971             nan     0.1284    0.0094
     8        0.7780             nan     0.1284    0.0090
     9        0.7629             nan     0.1284    0.0071
    10        0.7482             nan     0.1284    0.0072
    20        0.6683             nan     0.1284    0.0027
    40        0.6179             nan     0.1284    0.0005
    60        0.5974             nan     0.1284    0.0003
    80        0.5853             nan     0.1284    0.0000
   100        0.5778             nan     0.1284   -0.0000
   120        0.5722             nan     0.1284   -0.0001
   140        0.5673             nan     0.1284   -0.0000
   160        0.5630             nan     0.1284   -0.0001
   180        0.5592             nan     0.1284   -0.0001
   200        0.5551             nan     0.1284    0.0000
   220        0.5513             nan     0.1284   -0.0001
   240        0.5490             nan     0.1284   -0.0001
   260        0.5465             nan     0.1284   -0.0001
   280        0.5436             nan     0.1284   -0.0001
   300        0.5406             nan     0.1284   -0.0002
   320        0.5393             nan     0.1284   -0.0001
   340        0.5373             nan     0.1284   -0.0001
   360        0.5352             nan     0.1284   -0.0001
   380        0.5336             nan     0.1284   -0.0002
   400        0.5316             nan     0.1284   -0.0001
   420        0.5299             nan     0.1284   -0.0001
   440        0.5287             nan     0.1284   -0.0001
   460        0.5268             nan     0.1284   -0.0001
   480        0.5253             nan     0.1284   -0.0001
   500        0.5242             nan     0.1284   -0.0002
   520        0.5222             nan     0.1284   -0.0001
   540        0.5210             nan     0.1284   -0.0001
   560        0.5197             nan     0.1284   -0.0001
   580        0.5185             nan     0.1284   -0.0002
   600        0.5170             nan     0.1284   -0.0001
   620        0.5154             nan     0.1284   -0.0001
   640        0.5142             nan     0.1284   -0.0001
   660        0.5130             nan     0.1284   -0.0001
   680        0.5121             nan     0.1284   -0.0001
   700        0.5108             nan     0.1284   -0.0001
   720        0.5098             nan     0.1284   -0.0001
   740        0.5086             nan     0.1284   -0.0001
   746        0.5082             nan     0.1284   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0110             nan     0.1297    0.0446
     2        0.9448             nan     0.1297    0.0327
     3        0.8972             nan     0.1297    0.0237
     4        0.8605             nan     0.1297    0.0180
     5        0.8312             nan     0.1297    0.0148
     6        0.8071             nan     0.1297    0.0116
     7        0.7868             nan     0.1297    0.0098
     8        0.7679             nan     0.1297    0.0095
     9        0.7500             nan     0.1297    0.0088
    10        0.7373             nan     0.1297    0.0059
    20        0.6554             nan     0.1297    0.0025
    40        0.6049             nan     0.1297    0.0007
    60        0.5839             nan     0.1297    0.0002
    80        0.5742             nan     0.1297   -0.0001
   100        0.5659             nan     0.1297   -0.0001
   120        0.5588             nan     0.1297   -0.0000
   140        0.5531             nan     0.1297   -0.0001
   160        0.5487             nan     0.1297   -0.0001
   180        0.5445             nan     0.1297   -0.0001
   200        0.5408             nan     0.1297   -0.0001
   220        0.5374             nan     0.1297   -0.0001
   240        0.5342             nan     0.1297   -0.0000
   260        0.5308             nan     0.1297   -0.0002
   280        0.5276             nan     0.1297   -0.0000
   300        0.5247             nan     0.1297   -0.0001
   320        0.5220             nan     0.1297   -0.0001
   340        0.5195             nan     0.1297   -0.0000
   360        0.5175             nan     0.1297   -0.0000
   380        0.5154             nan     0.1297   -0.0001
   400        0.5126             nan     0.1297   -0.0001
   420        0.5105             nan     0.1297   -0.0002
   440        0.5085             nan     0.1297   -0.0001
   460        0.5061             nan     0.1297   -0.0002
   480        0.5040             nan     0.1297   -0.0001
   500        0.5021             nan     0.1297   -0.0002
   509        0.5011             nan     0.1297   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0313             nan     0.1319    0.0342
     2        0.9801             nan     0.1319    0.0265
     3        0.9403             nan     0.1319    0.0201
     4        0.9008             nan     0.1319    0.0199
     5        0.8710             nan     0.1319    0.0149
     6        0.8518             nan     0.1319    0.0096
     7        0.8335             nan     0.1319    0.0090
     8        0.8147             nan     0.1319    0.0096
     9        0.7990             nan     0.1319    0.0078
    10        0.7886             nan     0.1319    0.0052
    20        0.7087             nan     0.1319    0.0026
    40        0.6450             nan     0.1319    0.0004
    60        0.6227             nan     0.1319    0.0002
    80        0.6116             nan     0.1319    0.0002
   100        0.6028             nan     0.1319    0.0001
   120        0.5959             nan     0.1319   -0.0000
   140        0.5899             nan     0.1319    0.0000
   160        0.5863             nan     0.1319   -0.0001
   180        0.5842             nan     0.1319   -0.0000
   200        0.5804             nan     0.1319   -0.0000
   220        0.5774             nan     0.1319    0.0001
   240        0.5749             nan     0.1319   -0.0000
   260        0.5725             nan     0.1319   -0.0001
   280        0.5708             nan     0.1319   -0.0001
   300        0.5693             nan     0.1319   -0.0001
   320        0.5673             nan     0.1319    0.0000
   340        0.5656             nan     0.1319    0.0000
   360        0.5639             nan     0.1319   -0.0000
   380        0.5626             nan     0.1319   -0.0001
   400        0.5618             nan     0.1319   -0.0001
   420        0.5606             nan     0.1319   -0.0001
   440        0.5597             nan     0.1319   -0.0001
   460        0.5580             nan     0.1319   -0.0001
   480        0.5564             nan     0.1319   -0.0001
   500        0.5556             nan     0.1319   -0.0001
   520        0.5541             nan     0.1319   -0.0001
   540        0.5530             nan     0.1319   -0.0001
   560        0.5518             nan     0.1319   -0.0001
   580        0.5512             nan     0.1319   -0.0001
   600        0.5503             nan     0.1319   -0.0001
   620        0.5495             nan     0.1319   -0.0001
   640        0.5487             nan     0.1319   -0.0000
   660        0.5478             nan     0.1319   -0.0001
   680        0.5468             nan     0.1319   -0.0001
   700        0.5458             nan     0.1319   -0.0001
   720        0.5450             nan     0.1319   -0.0001
   740        0.5443             nan     0.1319   -0.0001
   760        0.5438             nan     0.1319   -0.0001
   780        0.5431             nan     0.1319   -0.0001
   797        0.5423             nan     0.1319    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0300             nan     0.1323    0.0340
     2        0.9782             nan     0.1323    0.0253
     3        0.9383             nan     0.1323    0.0197
     4        0.8995             nan     0.1323    0.0194
     5        0.8698             nan     0.1323    0.0149
     6        0.8481             nan     0.1323    0.0107
     7        0.8293             nan     0.1323    0.0092
     8        0.8107             nan     0.1323    0.0090
     9        0.7983             nan     0.1323    0.0062
    10        0.7882             nan     0.1323    0.0051
    20        0.7058             nan     0.1323    0.0027
    40        0.6475             nan     0.1323    0.0009
    60        0.6229             nan     0.1323    0.0004
    80        0.6099             nan     0.1323    0.0003
   100        0.6011             nan     0.1323    0.0001
   120        0.5945             nan     0.1323   -0.0000
   140        0.5888             nan     0.1323   -0.0000
   160        0.5847             nan     0.1323   -0.0000
   180        0.5806             nan     0.1323    0.0000
   200        0.5772             nan     0.1323   -0.0000
   220        0.5739             nan     0.1323   -0.0001
   240        0.5715             nan     0.1323    0.0000
   260        0.5699             nan     0.1323   -0.0001
   280        0.5682             nan     0.1323   -0.0000
   300        0.5663             nan     0.1323   -0.0000
   320        0.5639             nan     0.1323   -0.0000
   340        0.5622             nan     0.1323   -0.0000
   360        0.5608             nan     0.1323   -0.0001
   380        0.5589             nan     0.1323   -0.0000
   400        0.5567             nan     0.1323    0.0001
   420        0.5553             nan     0.1323   -0.0001
   440        0.5538             nan     0.1323   -0.0001
   460        0.5523             nan     0.1323   -0.0000
   480        0.5505             nan     0.1323   -0.0000
   500        0.5496             nan     0.1323   -0.0001
   520        0.5486             nan     0.1323   -0.0001
   540        0.5475             nan     0.1323   -0.0001
   560        0.5464             nan     0.1323   -0.0000
   580        0.5452             nan     0.1323   -0.0001
   600        0.5439             nan     0.1323   -0.0001
   620        0.5430             nan     0.1323   -0.0001
   640        0.5419             nan     0.1323   -0.0000
   660        0.5412             nan     0.1323   -0.0001
   680        0.5401             nan     0.1323   -0.0001
   700        0.5393             nan     0.1323   -0.0001
   720        0.5384             nan     0.1323   -0.0001
   740        0.5375             nan     0.1323   -0.0001
   760        0.5363             nan     0.1323   -0.0000
   780        0.5356             nan     0.1323   -0.0001
   800        0.5344             nan     0.1323   -0.0001
   820        0.5337             nan     0.1323   -0.0000
   840        0.5330             nan     0.1323   -0.0001
   860        0.5324             nan     0.1323   -0.0000
   880        0.5315             nan     0.1323   -0.0001
   900        0.5311             nan     0.1323   -0.0001
   920        0.5303             nan     0.1323   -0.0001
   940        0.5292             nan     0.1323   -0.0001
   960        0.5283             nan     0.1323   -0.0001
   980        0.5273             nan     0.1323   -0.0001
   981        0.5273             nan     0.1323   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0301             nan     0.1371    0.0360
     2        0.9773             nan     0.1371    0.0264
     3        0.9370             nan     0.1371    0.0203
     4        0.8967             nan     0.1371    0.0198
     5        0.8662             nan     0.1371    0.0149
     6        0.8460             nan     0.1371    0.0100
     7        0.8251             nan     0.1371    0.0107
     8        0.8093             nan     0.1371    0.0077
     9        0.7969             nan     0.1371    0.0062
    10        0.7853             nan     0.1371    0.0055
    20        0.7037             nan     0.1371    0.0025
    40        0.6428             nan     0.1371    0.0005
    60        0.6219             nan     0.1371    0.0002
    80        0.6090             nan     0.1371   -0.0001
   100        0.6003             nan     0.1371   -0.0000
   120        0.5938             nan     0.1371    0.0000
   140        0.5872             nan     0.1371    0.0004
   160        0.5826             nan     0.1371   -0.0000
   180        0.5796             nan     0.1371   -0.0001
   200        0.5764             nan     0.1371   -0.0000
   220        0.5737             nan     0.1371   -0.0001
   240        0.5703             nan     0.1371    0.0001
   260        0.5681             nan     0.1371   -0.0000
   280        0.5664             nan     0.1371   -0.0001
   300        0.5640             nan     0.1371   -0.0000
   320        0.5625             nan     0.1371   -0.0001
   340        0.5612             nan     0.1371   -0.0001
   360        0.5587             nan     0.1371   -0.0000
   380        0.5572             nan     0.1371   -0.0001
   400        0.5554             nan     0.1371   -0.0000
   420        0.5537             nan     0.1371   -0.0001
   440        0.5518             nan     0.1371    0.0003
   460        0.5502             nan     0.1371   -0.0000
   480        0.5484             nan     0.1371    0.0002
   500        0.5473             nan     0.1371   -0.0000
   520        0.5455             nan     0.1371   -0.0001
   540        0.5446             nan     0.1371   -0.0001
   560        0.5435             nan     0.1371   -0.0000
   580        0.5425             nan     0.1371   -0.0001
   593        0.5420             nan     0.1371   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0060             nan     0.1425    0.0480
     2        0.9428             nan     0.1425    0.0320
     3        0.8932             nan     0.1425    0.0240
     4        0.8545             nan     0.1425    0.0189
     5        0.8250             nan     0.1425    0.0146
     6        0.8012             nan     0.1425    0.0118
     7        0.7792             nan     0.1425    0.0109
     8        0.7609             nan     0.1425    0.0091
     9        0.7445             nan     0.1425    0.0080
    10        0.7310             nan     0.1425    0.0065
    20        0.6607             nan     0.1425    0.0023
    40        0.6096             nan     0.1425    0.0008
    60        0.5887             nan     0.1425    0.0003
    80        0.5784             nan     0.1425   -0.0001
   100        0.5686             nan     0.1425   -0.0000
   120        0.5632             nan     0.1425   -0.0001
   140        0.5577             nan     0.1425   -0.0001
   160        0.5531             nan     0.1425   -0.0001
   180        0.5493             nan     0.1425   -0.0002
   200        0.5456             nan     0.1425   -0.0001
   220        0.5417             nan     0.1425   -0.0001
   240        0.5389             nan     0.1425   -0.0001
   260        0.5349             nan     0.1425   -0.0002
   280        0.5319             nan     0.1425   -0.0000
   300        0.5290             nan     0.1425   -0.0001
   320        0.5257             nan     0.1425   -0.0001
   340        0.5231             nan     0.1425   -0.0001
   360        0.5197             nan     0.1425   -0.0002
   380        0.5175             nan     0.1425   -0.0002
   400        0.5155             nan     0.1425   -0.0001
   420        0.5135             nan     0.1425   -0.0002
   440        0.5118             nan     0.1425   -0.0000
   460        0.5096             nan     0.1425   -0.0002
   480        0.5074             nan     0.1425   -0.0002
   500        0.5050             nan     0.1425   -0.0001
   520        0.5029             nan     0.1425   -0.0001
   540        0.5002             nan     0.1425   -0.0001
   560        0.4985             nan     0.1425   -0.0001
   580        0.4967             nan     0.1425   -0.0001
   600        0.4953             nan     0.1425   -0.0002
   620        0.4936             nan     0.1425   -0.0001
   640        0.4924             nan     0.1425   -0.0001
   660        0.4908             nan     0.1425   -0.0001
   680        0.4892             nan     0.1425   -0.0001
   700        0.4874             nan     0.1425   -0.0001
   720        0.4858             nan     0.1425   -0.0000
   740        0.4844             nan     0.1425   -0.0001
   760        0.4827             nan     0.1425   -0.0001
   780        0.4813             nan     0.1425   -0.0002
   800        0.4800             nan     0.1425   -0.0001
   820        0.4787             nan     0.1425   -0.0001
   831        0.4781             nan     0.1425   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9997             nan     0.1438    0.0497
     2        0.9331             nan     0.1438    0.0330
     3        0.8845             nan     0.1438    0.0246
     4        0.8471             nan     0.1438    0.0185
     5        0.8167             nan     0.1438    0.0147
     6        0.7923             nan     0.1438    0.0119
     7        0.7711             nan     0.1438    0.0106
     8        0.7519             nan     0.1438    0.0094
     9        0.7382             nan     0.1438    0.0065
    10        0.7249             nan     0.1438    0.0066
    20        0.6490             nan     0.1438    0.0017
    40        0.6020             nan     0.1438    0.0001
    60        0.5842             nan     0.1438    0.0002
    80        0.5737             nan     0.1438   -0.0000
   100        0.5654             nan     0.1438   -0.0001
   120        0.5600             nan     0.1438   -0.0001
   140        0.5551             nan     0.1438   -0.0000
   160        0.5503             nan     0.1438   -0.0001
   180        0.5465             nan     0.1438   -0.0001
   200        0.5428             nan     0.1438   -0.0002
   220        0.5397             nan     0.1438   -0.0001
   240        0.5368             nan     0.1438   -0.0002
   259        0.5334             nan     0.1438   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0021             nan     0.1455    0.0478
     2        0.9369             nan     0.1455    0.0326
     3        0.8885             nan     0.1455    0.0245
     4        0.8535             nan     0.1455    0.0178
     5        0.8255             nan     0.1455    0.0140
     6        0.8036             nan     0.1455    0.0104
     7        0.7804             nan     0.1455    0.0110
     8        0.7626             nan     0.1455    0.0087
     9        0.7441             nan     0.1455    0.0089
    10        0.7315             nan     0.1455    0.0061
    20        0.6571             nan     0.1455    0.0026
    40        0.6080             nan     0.1455    0.0008
    60        0.5875             nan     0.1455    0.0001
    80        0.5771             nan     0.1455    0.0002
   100        0.5681             nan     0.1455    0.0000
   108        0.5649             nan     0.1455   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0246             nan     0.1479    0.0387
     2        0.9699             nan     0.1479    0.0275
     3        0.9278             nan     0.1479    0.0209
     4        0.8875             nan     0.1479    0.0200
     5        0.8570             nan     0.1479    0.0153
     6        0.8341             nan     0.1479    0.0113
     7        0.8161             nan     0.1479    0.0089
     8        0.7977             nan     0.1479    0.0088
     9        0.7851             nan     0.1479    0.0059
    10        0.7724             nan     0.1479    0.0058
    20        0.6951             nan     0.1479    0.0021
    40        0.6390             nan     0.1479    0.0004
    60        0.6182             nan     0.1479    0.0002
    80        0.6054             nan     0.1479    0.0001
   100        0.5969             nan     0.1479    0.0000
   120        0.5892             nan     0.1479    0.0000
   140        0.5837             nan     0.1479   -0.0000
   160        0.5796             nan     0.1479   -0.0000
   180        0.5766             nan     0.1479   -0.0001
   200        0.5733             nan     0.1479    0.0000
   220        0.5706             nan     0.1479    0.0000
   240        0.5684             nan     0.1479   -0.0000
   260        0.5647             nan     0.1479    0.0001
   280        0.5626             nan     0.1479   -0.0001
   300        0.5607             nan     0.1479   -0.0001
   320        0.5589             nan     0.1479   -0.0001
   340        0.5575             nan     0.1479   -0.0001
   360        0.5555             nan     0.1479   -0.0001
   380        0.5541             nan     0.1479   -0.0001
   400        0.5525             nan     0.1479   -0.0001
   420        0.5513             nan     0.1479   -0.0001
   440        0.5502             nan     0.1479   -0.0001
   460        0.5488             nan     0.1479   -0.0001
   480        0.5472             nan     0.1479   -0.0001
   500        0.5458             nan     0.1479   -0.0001
   520        0.5439             nan     0.1479   -0.0001
   540        0.5428             nan     0.1479   -0.0001
   560        0.5415             nan     0.1479   -0.0000
   580        0.5404             nan     0.1479   -0.0001
   600        0.5392             nan     0.1479   -0.0001
   620        0.5381             nan     0.1479   -0.0000
   640        0.5363             nan     0.1479   -0.0001
   660        0.5352             nan     0.1479   -0.0001
   680        0.5338             nan     0.1479   -0.0001
   700        0.5332             nan     0.1479   -0.0001
   720        0.5319             nan     0.1479   -0.0001
   740        0.5309             nan     0.1479   -0.0001
   760        0.5299             nan     0.1479   -0.0001
   780        0.5286             nan     0.1479   -0.0001
   800        0.5279             nan     0.1479   -0.0000
   820        0.5271             nan     0.1479   -0.0000
   840        0.5263             nan     0.1479   -0.0002
   860        0.5256             nan     0.1479   -0.0001
   880        0.5248             nan     0.1479   -0.0001
   900        0.5242             nan     0.1479   -0.0001
   920        0.5235             nan     0.1479   -0.0001
   940        0.5222             nan     0.1479   -0.0000
   960        0.5210             nan     0.1479   -0.0001
   980        0.5201             nan     0.1479   -0.0001
   986        0.5198             nan     0.1479   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9971             nan     0.1486    0.0513
     2        0.9251             nan     0.1486    0.0355
     3        0.8765             nan     0.1486    0.0240
     4        0.8389             nan     0.1486    0.0185
     5        0.8098             nan     0.1486    0.0146
     6        0.7870             nan     0.1486    0.0111
     7        0.7660             nan     0.1486    0.0101
     8        0.7504             nan     0.1486    0.0075
     9        0.7337             nan     0.1486    0.0079
    10        0.7210             nan     0.1486    0.0062
    20        0.6435             nan     0.1486    0.0022
    40        0.5997             nan     0.1486    0.0000
    60        0.5808             nan     0.1486    0.0002
    80        0.5700             nan     0.1486   -0.0001
   100        0.5615             nan     0.1486   -0.0002
   120        0.5554             nan     0.1486   -0.0001
   140        0.5496             nan     0.1486    0.0002
   160        0.5447             nan     0.1486   -0.0002
   180        0.5402             nan     0.1486   -0.0002
   200        0.5375             nan     0.1486   -0.0002
   220        0.5344             nan     0.1486   -0.0001
   240        0.5315             nan     0.1486   -0.0002
   260        0.5274             nan     0.1486   -0.0002
   280        0.5244             nan     0.1486   -0.0001
   300        0.5220             nan     0.1486   -0.0001
   320        0.5195             nan     0.1486   -0.0002
   340        0.5171             nan     0.1486   -0.0001
   360        0.5152             nan     0.1486   -0.0001
   380        0.5130             nan     0.1486   -0.0002
   400        0.5112             nan     0.1486   -0.0001
   420        0.5089             nan     0.1486   -0.0002
   440        0.5070             nan     0.1486   -0.0001
   460        0.5052             nan     0.1486   -0.0001
   480        0.5034             nan     0.1486   -0.0002
   500        0.5014             nan     0.1486   -0.0002
   520        0.4988             nan     0.1486   -0.0001
   540        0.4967             nan     0.1486   -0.0001
   560        0.4951             nan     0.1486   -0.0001
   580        0.4938             nan     0.1486   -0.0002
   600        0.4915             nan     0.1486   -0.0003
   620        0.4898             nan     0.1486   -0.0001
   640        0.4880             nan     0.1486   -0.0002
   660        0.4863             nan     0.1486   -0.0001
   680        0.4847             nan     0.1486   -0.0002
   700        0.4832             nan     0.1486   -0.0001
   720        0.4816             nan     0.1486   -0.0002
   740        0.4799             nan     0.1486   -0.0002
   760        0.4782             nan     0.1486   -0.0001
   780        0.4761             nan     0.1486   -0.0002
   800        0.4745             nan     0.1486   -0.0001
   820        0.4732             nan     0.1486   -0.0002
   840        0.4720             nan     0.1486   -0.0001
   860        0.4703             nan     0.1486   -0.0001
   880        0.4687             nan     0.1486   -0.0002
   900        0.4673             nan     0.1486   -0.0001
   920        0.4658             nan     0.1486   -0.0001
   940        0.4645             nan     0.1486   -0.0001
   957        0.4635             nan     0.1486   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9997             nan     0.1502    0.0498
     2        0.9339             nan     0.1502    0.0331
     3        0.8849             nan     0.1502    0.0241
     4        0.8487             nan     0.1502    0.0178
     5        0.8180             nan     0.1502    0.0154
     6        0.7944             nan     0.1502    0.0113
     7        0.7756             nan     0.1502    0.0092
     8        0.7582             nan     0.1502    0.0083
     9        0.7424             nan     0.1502    0.0077
    10        0.7293             nan     0.1502    0.0060
    20        0.6558             nan     0.1502    0.0026
    40        0.6075             nan     0.1502    0.0005
    60        0.5906             nan     0.1502    0.0001
    80        0.5774             nan     0.1502    0.0000
   100        0.5689             nan     0.1502   -0.0001
   120        0.5618             nan     0.1502   -0.0001
   140        0.5573             nan     0.1502    0.0001
   160        0.5528             nan     0.1502   -0.0001
   180        0.5497             nan     0.1502   -0.0001
   200        0.5466             nan     0.1502   -0.0001
   220        0.5429             nan     0.1502   -0.0001
   240        0.5394             nan     0.1502    0.0000
   260        0.5368             nan     0.1502   -0.0001
   280        0.5341             nan     0.1502   -0.0001
   300        0.5317             nan     0.1502   -0.0002
   320        0.5297             nan     0.1502   -0.0002
   340        0.5278             nan     0.1502   -0.0001
   360        0.5259             nan     0.1502   -0.0001
   380        0.5242             nan     0.1502   -0.0002
   400        0.5221             nan     0.1502   -0.0002
   420        0.5200             nan     0.1502   -0.0002
   440        0.5182             nan     0.1502   -0.0001
   460        0.5166             nan     0.1502   -0.0002
   480        0.5151             nan     0.1502   -0.0001
   500        0.5135             nan     0.1502   -0.0002
   520        0.5120             nan     0.1502   -0.0001
   540        0.5108             nan     0.1502   -0.0001
   560        0.5092             nan     0.1502   -0.0001
   580        0.5077             nan     0.1502   -0.0001
   600        0.5060             nan     0.1502   -0.0002
   620        0.5047             nan     0.1502   -0.0002
   640        0.5036             nan     0.1502   -0.0002
   660        0.5023             nan     0.1502   -0.0001
   680        0.5014             nan     0.1502   -0.0001
   689        0.5010             nan     0.1502   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9967             nan     0.1546    0.0511
     2        0.9309             nan     0.1546    0.0327
     3        0.8802             nan     0.1546    0.0256
     4        0.8444             nan     0.1546    0.0174
     5        0.8160             nan     0.1546    0.0139
     6        0.7917             nan     0.1546    0.0125
     7        0.7683             nan     0.1546    0.0112
     8        0.7499             nan     0.1546    0.0090
     9        0.7330             nan     0.1546    0.0079
    10        0.7217             nan     0.1546    0.0057
    20        0.6511             nan     0.1546    0.0018
    40        0.6031             nan     0.1546    0.0003
    60        0.5827             nan     0.1546    0.0004
    80        0.5727             nan     0.1546    0.0000
   100        0.5643             nan     0.1546   -0.0000
   120        0.5575             nan     0.1546   -0.0001
   140        0.5507             nan     0.1546   -0.0001
   160        0.5457             nan     0.1546   -0.0000
   180        0.5417             nan     0.1546   -0.0001
   200        0.5373             nan     0.1546   -0.0001
   220        0.5344             nan     0.1546   -0.0002
   240        0.5311             nan     0.1546   -0.0001
   260        0.5278             nan     0.1546   -0.0002
   280        0.5246             nan     0.1546   -0.0001
   300        0.5211             nan     0.1546   -0.0001
   320        0.5180             nan     0.1546   -0.0001
   340        0.5157             nan     0.1546   -0.0002
   347        0.5147             nan     0.1546   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9960             nan     0.1561    0.0515
     2        0.9292             nan     0.1561    0.0338
     3        0.8799             nan     0.1561    0.0241
     4        0.8440             nan     0.1561    0.0178
     5        0.8156             nan     0.1561    0.0139
     6        0.7892             nan     0.1561    0.0135
     7        0.7690             nan     0.1561    0.0097
     8        0.7522             nan     0.1561    0.0081
     9        0.7358             nan     0.1561    0.0082
    10        0.7224             nan     0.1561    0.0064
    20        0.6505             nan     0.1561    0.0016
    40        0.6044             nan     0.1561    0.0005
    60        0.5828             nan     0.1561    0.0001
    80        0.5715             nan     0.1561    0.0001
   100        0.5645             nan     0.1561    0.0003
   120        0.5578             nan     0.1561   -0.0001
   140        0.5531             nan     0.1561   -0.0001
   160        0.5478             nan     0.1561   -0.0001
   180        0.5432             nan     0.1561    0.0000
   200        0.5397             nan     0.1561   -0.0001
   220        0.5359             nan     0.1561   -0.0001
   240        0.5330             nan     0.1561   -0.0001
   260        0.5299             nan     0.1561   -0.0001
   280        0.5268             nan     0.1561   -0.0001
   300        0.5242             nan     0.1561   -0.0001
   302        0.5239             nan     0.1561   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0071             nan     0.1572    0.0468
     2        0.9381             nan     0.1572    0.0341
     3        0.8907             nan     0.1572    0.0226
     4        0.8542             nan     0.1572    0.0179
     5        0.8232             nan     0.1572    0.0158
     6        0.7991             nan     0.1572    0.0122
     7        0.7814             nan     0.1572    0.0085
     8        0.7679             nan     0.1572    0.0063
     9        0.7522             nan     0.1572    0.0076
    10        0.7395             nan     0.1572    0.0063
    20        0.6627             nan     0.1572    0.0022
    40        0.6190             nan     0.1572    0.0004
    60        0.6008             nan     0.1572    0.0001
    80        0.5891             nan     0.1572   -0.0000
   100        0.5824             nan     0.1572   -0.0001
   120        0.5770             nan     0.1572    0.0001
   140        0.5731             nan     0.1572   -0.0001
   160        0.5689             nan     0.1572   -0.0001
   180        0.5662             nan     0.1572   -0.0002
   200        0.5638             nan     0.1572    0.0000
   220        0.5616             nan     0.1572   -0.0001
   240        0.5592             nan     0.1572   -0.0002
   260        0.5573             nan     0.1572   -0.0001
   280        0.5549             nan     0.1572   -0.0001
   300        0.5525             nan     0.1572   -0.0002
   320        0.5506             nan     0.1572   -0.0002
   340        0.5483             nan     0.1572   -0.0000
   360        0.5470             nan     0.1572   -0.0001
   380        0.5452             nan     0.1572   -0.0001
   400        0.5438             nan     0.1572   -0.0002
   404        0.5435             nan     0.1572   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0058             nan     0.1580    0.0464
     2        0.9375             nan     0.1580    0.0345
     3        0.8921             nan     0.1580    0.0228
     4        0.8548             nan     0.1580    0.0186
     5        0.8234             nan     0.1580    0.0154
     6        0.7985             nan     0.1580    0.0123
     7        0.7787             nan     0.1580    0.0095
     8        0.7628             nan     0.1580    0.0078
     9        0.7479             nan     0.1580    0.0073
    10        0.7361             nan     0.1580    0.0056
    20        0.6592             nan     0.1580    0.0021
    40        0.6162             nan     0.1580    0.0004
    60        0.5970             nan     0.1580   -0.0000
    80        0.5864             nan     0.1580    0.0001
   100        0.5787             nan     0.1580   -0.0001
   120        0.5744             nan     0.1580   -0.0000
   140        0.5688             nan     0.1580    0.0000
   160        0.5658             nan     0.1580    0.0000
   180        0.5617             nan     0.1580   -0.0001
   200        0.5586             nan     0.1580   -0.0000
   220        0.5560             nan     0.1580   -0.0001
   240        0.5526             nan     0.1580   -0.0001
   260        0.5500             nan     0.1580   -0.0001
   280        0.5482             nan     0.1580    0.0001
   300        0.5459             nan     0.1580    0.0001
   320        0.5443             nan     0.1580   -0.0001
   340        0.5429             nan     0.1580   -0.0002
   360        0.5410             nan     0.1580   -0.0001
   380        0.5392             nan     0.1580    0.0000
   400        0.5378             nan     0.1580   -0.0000
   420        0.5365             nan     0.1580   -0.0001
   440        0.5353             nan     0.1580   -0.0002
   460        0.5333             nan     0.1580    0.0000
   480        0.5313             nan     0.1580   -0.0001
   500        0.5299             nan     0.1580   -0.0001
   514        0.5291             nan     0.1580   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0057             nan     0.1589    0.0479
     2        0.9388             nan     0.1589    0.0333
     3        0.8906             nan     0.1589    0.0241
     4        0.8499             nan     0.1589    0.0198
     5        0.8192             nan     0.1589    0.0161
     6        0.7955             nan     0.1589    0.0114
     7        0.7769             nan     0.1589    0.0093
     8        0.7605             nan     0.1589    0.0078
     9        0.7474             nan     0.1589    0.0065
    10        0.7360             nan     0.1589    0.0055
    20        0.6638             nan     0.1589    0.0026
    40        0.6174             nan     0.1589    0.0006
    60        0.5983             nan     0.1589    0.0003
    80        0.5886             nan     0.1589   -0.0000
   100        0.5808             nan     0.1589    0.0000
   120        0.5756             nan     0.1589   -0.0001
   140        0.5708             nan     0.1589   -0.0001
   160        0.5660             nan     0.1589    0.0000
   180        0.5616             nan     0.1589    0.0000
   200        0.5583             nan     0.1589    0.0001
   220        0.5543             nan     0.1589    0.0002
   240        0.5516             nan     0.1589   -0.0001
   260        0.5498             nan     0.1589   -0.0001
   280        0.5479             nan     0.1589   -0.0001
   300        0.5455             nan     0.1589   -0.0000
   320        0.5428             nan     0.1589   -0.0002
   340        0.5408             nan     0.1589   -0.0001
   360        0.5389             nan     0.1589   -0.0000
   380        0.5372             nan     0.1589   -0.0002
   400        0.5357             nan     0.1589   -0.0001
   420        0.5342             nan     0.1589   -0.0001
   440        0.5325             nan     0.1589   -0.0002
   460        0.5310             nan     0.1589   -0.0001
   480        0.5294             nan     0.1589   -0.0002
   500        0.5284             nan     0.1589   -0.0001
   520        0.5268             nan     0.1589   -0.0002
   540        0.5252             nan     0.1589   -0.0001
   557        0.5243             nan     0.1589   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0173             nan     0.1591    0.0413
     2        0.9598             nan     0.1591    0.0288
     3        0.9105             nan     0.1591    0.0245
     4        0.8745             nan     0.1591    0.0179
     5        0.8506             nan     0.1591    0.0115
     6        0.8265             nan     0.1591    0.0123
     7        0.8064             nan     0.1591    0.0099
     8        0.7938             nan     0.1591    0.0066
     9        0.7794             nan     0.1591    0.0065
    10        0.7670             nan     0.1591    0.0060
    20        0.6882             nan     0.1591    0.0019
    40        0.6355             nan     0.1591    0.0008
    60        0.6147             nan     0.1591    0.0003
    80        0.6032             nan     0.1591    0.0001
   100        0.5943             nan     0.1591   -0.0000
   120        0.5864             nan     0.1591   -0.0000
   140        0.5811             nan     0.1591   -0.0001
   160        0.5769             nan     0.1591   -0.0001
   180        0.5735             nan     0.1591   -0.0000
   200        0.5704             nan     0.1591   -0.0001
   220        0.5682             nan     0.1591   -0.0000
   240        0.5662             nan     0.1591   -0.0001
   260        0.5640             nan     0.1591   -0.0001
   280        0.5605             nan     0.1591   -0.0001
   300        0.5583             nan     0.1591   -0.0001
   320        0.5567             nan     0.1591   -0.0001
   340        0.5549             nan     0.1591   -0.0001
   360        0.5530             nan     0.1591   -0.0001
   380        0.5512             nan     0.1591   -0.0001
   400        0.5500             nan     0.1591   -0.0000
   420        0.5487             nan     0.1591   -0.0001
   440        0.5475             nan     0.1591   -0.0000
   460        0.5464             nan     0.1591   -0.0002
   480        0.5454             nan     0.1591   -0.0001
   500        0.5442             nan     0.1591   -0.0001
   520        0.5434             nan     0.1591   -0.0001
   540        0.5419             nan     0.1591   -0.0000
   560        0.5405             nan     0.1591   -0.0000
   580        0.5394             nan     0.1591   -0.0000
   600        0.5382             nan     0.1591   -0.0001
   620        0.5368             nan     0.1591   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9946             nan     0.1593    0.0533
     2        0.9251             nan     0.1593    0.0337
     3        0.8745             nan     0.1593    0.0253
     4        0.8380             nan     0.1593    0.0180
     5        0.8108             nan     0.1593    0.0130
     6        0.7855             nan     0.1593    0.0120
     7        0.7618             nan     0.1593    0.0116
     8        0.7451             nan     0.1593    0.0086
     9        0.7279             nan     0.1593    0.0080
    10        0.7137             nan     0.1593    0.0065
    20        0.6473             nan     0.1593    0.0019
    40        0.6054             nan     0.1593    0.0008
    60        0.5878             nan     0.1593    0.0001
    80        0.5784             nan     0.1593   -0.0001
   100        0.5717             nan     0.1593   -0.0001
   120        0.5652             nan     0.1593    0.0001
   140        0.5615             nan     0.1593   -0.0002
   160        0.5573             nan     0.1593   -0.0002
   180        0.5546             nan     0.1593   -0.0002
   200        0.5514             nan     0.1593   -0.0002
   220        0.5485             nan     0.1593    0.0001
   240        0.5458             nan     0.1593   -0.0002
   260        0.5433             nan     0.1593   -0.0002
   280        0.5398             nan     0.1593   -0.0001
   300        0.5379             nan     0.1593   -0.0001
   320        0.5361             nan     0.1593   -0.0002
   340        0.5345             nan     0.1593   -0.0001
   360        0.5326             nan     0.1593   -0.0001
   380        0.5306             nan     0.1593   -0.0001
   400        0.5288             nan     0.1593   -0.0002
   420        0.5268             nan     0.1593   -0.0001
   440        0.5250             nan     0.1593   -0.0002
   460        0.5232             nan     0.1593   -0.0001
   480        0.5211             nan     0.1593   -0.0001
   500        0.5196             nan     0.1593   -0.0001
   520        0.5182             nan     0.1593   -0.0002
   540        0.5165             nan     0.1593   -0.0001
   560        0.5154             nan     0.1593   -0.0003
   580        0.5140             nan     0.1593   -0.0002
   600        0.5127             nan     0.1593   -0.0001
   620        0.5112             nan     0.1593   -0.0001
   639        0.5101             nan     0.1593   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9890             nan     0.1625    0.0554
     2        0.9179             nan     0.1625    0.0344
     3        0.8653             nan     0.1625    0.0259
     4        0.8251             nan     0.1625    0.0202
     5        0.7951             nan     0.1625    0.0147
     6        0.7701             nan     0.1625    0.0125
     7        0.7501             nan     0.1625    0.0096
     8        0.7303             nan     0.1625    0.0092
     9        0.7159             nan     0.1625    0.0071
    10        0.7046             nan     0.1625    0.0054
    20        0.6391             nan     0.1625    0.0019
    40        0.5938             nan     0.1625    0.0008
    60        0.5790             nan     0.1625    0.0000
    80        0.5685             nan     0.1625   -0.0001
   100        0.5594             nan     0.1625    0.0000
   120        0.5541             nan     0.1625   -0.0002
   140        0.5490             nan     0.1625   -0.0001
   160        0.5451             nan     0.1625   -0.0002
   180        0.5416             nan     0.1625   -0.0002
   185        0.5405             nan     0.1625    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9903             nan     0.1685    0.0555
     2        0.9178             nan     0.1685    0.0367
     3        0.8700             nan     0.1685    0.0241
     4        0.8333             nan     0.1685    0.0183
     5        0.8033             nan     0.1685    0.0148
     6        0.7774             nan     0.1685    0.0125
     7        0.7592             nan     0.1685    0.0088
     8        0.7424             nan     0.1685    0.0083
     9        0.7281             nan     0.1685    0.0064
    10        0.7167             nan     0.1685    0.0056
    20        0.6428             nan     0.1685    0.0013
    40        0.5996             nan     0.1685    0.0001
    60        0.5829             nan     0.1685    0.0000
    80        0.5707             nan     0.1685   -0.0000
   100        0.5627             nan     0.1685   -0.0002
   120        0.5554             nan     0.1685   -0.0001
   140        0.5495             nan     0.1685   -0.0002
   160        0.5449             nan     0.1685   -0.0003
   180        0.5401             nan     0.1685    0.0000
   200        0.5355             nan     0.1685   -0.0002
   220        0.5316             nan     0.1685   -0.0002
   240        0.5279             nan     0.1685   -0.0001
   260        0.5243             nan     0.1685    0.0003
   280        0.5205             nan     0.1685   -0.0001
   300        0.5176             nan     0.1685   -0.0002
   320        0.5134             nan     0.1685   -0.0001
   340        0.5104             nan     0.1685   -0.0001
   360        0.5077             nan     0.1685   -0.0001
   380        0.5055             nan     0.1685   -0.0001
   400        0.5023             nan     0.1685   -0.0002
   420        0.4997             nan     0.1685   -0.0001
   440        0.4975             nan     0.1685   -0.0001
   460        0.4954             nan     0.1685   -0.0001
   480        0.4935             nan     0.1685   -0.0001
   500        0.4909             nan     0.1685   -0.0002
   520        0.4891             nan     0.1685   -0.0002
   540        0.4867             nan     0.1685   -0.0002
   560        0.4844             nan     0.1685   -0.0001
   580        0.4820             nan     0.1685   -0.0001
   600        0.4800             nan     0.1685   -0.0001
   620        0.4778             nan     0.1685   -0.0001
   640        0.4751             nan     0.1685   -0.0002
   660        0.4720             nan     0.1685   -0.0002
   680        0.4699             nan     0.1685   -0.0002
   700        0.4679             nan     0.1685   -0.0001
   720        0.4664             nan     0.1685   -0.0001
   740        0.4643             nan     0.1685   -0.0001
   750        0.4633             nan     0.1685   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0126             nan     0.1687    0.0436
     2        0.9528             nan     0.1687    0.0301
     3        0.9098             nan     0.1687    0.0215
     4        0.8685             nan     0.1687    0.0217
     5        0.8384             nan     0.1687    0.0147
     6        0.8181             nan     0.1687    0.0102
     7        0.7978             nan     0.1687    0.0105
     8        0.7849             nan     0.1687    0.0063
     9        0.7694             nan     0.1687    0.0076
    10        0.7585             nan     0.1687    0.0055
    20        0.6834             nan     0.1687    0.0024
    40        0.6323             nan     0.1687    0.0002
    60        0.6124             nan     0.1687    0.0003
    80        0.6012             nan     0.1687    0.0002
   100        0.5942             nan     0.1687    0.0001
   120        0.5874             nan     0.1687   -0.0000
   140        0.5832             nan     0.1687    0.0000
   160        0.5803             nan     0.1687   -0.0000
   180        0.5765             nan     0.1687   -0.0001
   200        0.5733             nan     0.1687   -0.0001
   220        0.5709             nan     0.1687   -0.0001
   240        0.5684             nan     0.1687   -0.0001
   257        0.5666             nan     0.1687   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0124             nan     0.1688    0.0440
     2        0.9525             nan     0.1688    0.0301
     3        0.9096             nan     0.1688    0.0214
     4        0.8687             nan     0.1688    0.0207
     5        0.8386             nan     0.1688    0.0148
     6        0.8176             nan     0.1688    0.0100
     7        0.8011             nan     0.1688    0.0079
     8        0.7875             nan     0.1688    0.0064
     9        0.7699             nan     0.1688    0.0086
    10        0.7564             nan     0.1688    0.0066
    20        0.6819             nan     0.1688    0.0023
    40        0.6326             nan     0.1688    0.0002
    60        0.6123             nan     0.1688    0.0001
    80        0.6011             nan     0.1688   -0.0001
   100        0.5927             nan     0.1688    0.0001
   120        0.5862             nan     0.1688    0.0002
   140        0.5814             nan     0.1688   -0.0001
   160        0.5770             nan     0.1688   -0.0000
   180        0.5742             nan     0.1688   -0.0001
   200        0.5713             nan     0.1688   -0.0000
   220        0.5685             nan     0.1688   -0.0001
   240        0.5647             nan     0.1688    0.0001
   260        0.5614             nan     0.1688   -0.0000
   280        0.5596             nan     0.1688   -0.0000
   300        0.5582             nan     0.1688    0.0000
   320        0.5564             nan     0.1688   -0.0002
   340        0.5541             nan     0.1688   -0.0001
   360        0.5524             nan     0.1688   -0.0000
   380        0.5511             nan     0.1688   -0.0001
   400        0.5501             nan     0.1688   -0.0000
   420        0.5486             nan     0.1688   -0.0001
   440        0.5477             nan     0.1688   -0.0001
   460        0.5466             nan     0.1688   -0.0001
   480        0.5455             nan     0.1688   -0.0001
   500        0.5445             nan     0.1688   -0.0001
   520        0.5435             nan     0.1688   -0.0001
   540        0.5421             nan     0.1688   -0.0001
   560        0.5411             nan     0.1688    0.0000
   572        0.5406             nan     0.1688   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9840             nan     0.1722    0.0600
     2        0.9090             nan     0.1722    0.0376
     3        0.8574             nan     0.1722    0.0258
     4        0.8176             nan     0.1722    0.0197
     5        0.7884             nan     0.1722    0.0143
     6        0.7658             nan     0.1722    0.0112
     7        0.7450             nan     0.1722    0.0099
     8        0.7254             nan     0.1722    0.0098
     9        0.7079             nan     0.1722    0.0084
    10        0.6987             nan     0.1722    0.0040
    20        0.6312             nan     0.1722    0.0023
    40        0.5911             nan     0.1722    0.0004
    60        0.5732             nan     0.1722    0.0001
    80        0.5622             nan     0.1722    0.0000
   100        0.5540             nan     0.1722   -0.0003
   120        0.5460             nan     0.1722    0.0002
   140        0.5404             nan     0.1722   -0.0002
   160        0.5351             nan     0.1722   -0.0002
   180        0.5310             nan     0.1722   -0.0002
   200        0.5275             nan     0.1722   -0.0001
   220        0.5240             nan     0.1722   -0.0001
   240        0.5203             nan     0.1722   -0.0001
   260        0.5167             nan     0.1722   -0.0001
   280        0.5137             nan     0.1722   -0.0002
   300        0.5101             nan     0.1722   -0.0003
   320        0.5070             nan     0.1722   -0.0002
   340        0.5038             nan     0.1722   -0.0000
   360        0.5003             nan     0.1722   -0.0001
   380        0.4976             nan     0.1722   -0.0002
   400        0.4955             nan     0.1722   -0.0002
   420        0.4925             nan     0.1722   -0.0002
   440        0.4901             nan     0.1722   -0.0003
   460        0.4876             nan     0.1722   -0.0003
   480        0.4841             nan     0.1722   -0.0001
   500        0.4813             nan     0.1722   -0.0002
   520        0.4788             nan     0.1722   -0.0002
   540        0.4767             nan     0.1722   -0.0002
   560        0.4747             nan     0.1722   -0.0001
   580        0.4725             nan     0.1722   -0.0001
   600        0.4707             nan     0.1722   -0.0002
   620        0.4685             nan     0.1722   -0.0001
   640        0.4660             nan     0.1722   -0.0001
   660        0.4641             nan     0.1722   -0.0001
   665        0.4637             nan     0.1722   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9822             nan     0.1728    0.0589
     2        0.9082             nan     0.1728    0.0374
     3        0.8573             nan     0.1728    0.0257
     4        0.8189             nan     0.1728    0.0188
     5        0.7890             nan     0.1728    0.0147
     6        0.7666             nan     0.1728    0.0112
     7        0.7473             nan     0.1728    0.0091
     8        0.7263             nan     0.1728    0.0104
     9        0.7132             nan     0.1728    0.0058
    10        0.7016             nan     0.1728    0.0056
    20        0.6342             nan     0.1728    0.0019
    40        0.5938             nan     0.1728    0.0001
    60        0.5784             nan     0.1728    0.0000
    80        0.5698             nan     0.1728   -0.0001
   100        0.5623             nan     0.1728   -0.0001
   120        0.5565             nan     0.1728   -0.0002
   140        0.5508             nan     0.1728   -0.0002
   160        0.5469             nan     0.1728   -0.0000
   180        0.5428             nan     0.1728   -0.0002
   200        0.5395             nan     0.1728   -0.0001
   220        0.5364             nan     0.1728   -0.0002
   240        0.5338             nan     0.1728   -0.0002
   260        0.5309             nan     0.1728   -0.0002
   280        0.5280             nan     0.1728   -0.0002
   300        0.5253             nan     0.1728   -0.0002
   320        0.5230             nan     0.1728   -0.0002
   340        0.5207             nan     0.1728   -0.0002
   360        0.5187             nan     0.1728   -0.0003
   380        0.5170             nan     0.1728   -0.0001
   400        0.5150             nan     0.1728   -0.0003
   420        0.5135             nan     0.1728   -0.0002
   434        0.5123             nan     0.1728   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9849             nan     0.1746    0.0577
     2        0.9107             nan     0.1746    0.0367
     3        0.8621             nan     0.1746    0.0242
     4        0.8258             nan     0.1746    0.0179
     5        0.7931             nan     0.1746    0.0166
     6        0.7691             nan     0.1746    0.0118
     7        0.7481             nan     0.1746    0.0104
     8        0.7317             nan     0.1746    0.0078
     9        0.7171             nan     0.1746    0.0068
    10        0.7043             nan     0.1746    0.0060
    20        0.6415             nan     0.1746    0.0022
    40        0.5960             nan     0.1746    0.0003
    60        0.5796             nan     0.1746   -0.0000
    80        0.5696             nan     0.1746    0.0000
   100        0.5610             nan     0.1746    0.0000
   120        0.5546             nan     0.1746   -0.0001
   140        0.5478             nan     0.1746   -0.0000
   160        0.5426             nan     0.1746    0.0006
   180        0.5382             nan     0.1746   -0.0003
   200        0.5335             nan     0.1746   -0.0002
   220        0.5285             nan     0.1746   -0.0002
   240        0.5251             nan     0.1746   -0.0002
   260        0.5223             nan     0.1746   -0.0002
   280        0.5193             nan     0.1746   -0.0001
   300        0.5160             nan     0.1746   -0.0002
   320        0.5128             nan     0.1746   -0.0001
   340        0.5090             nan     0.1746   -0.0001
   360        0.5063             nan     0.1746   -0.0001
   380        0.5038             nan     0.1746   -0.0000
   400        0.5009             nan     0.1746   -0.0001
   420        0.4981             nan     0.1746   -0.0001
   440        0.4952             nan     0.1746   -0.0002
   460        0.4921             nan     0.1746   -0.0001
   480        0.4899             nan     0.1746   -0.0001
   500        0.4878             nan     0.1746   -0.0001
   520        0.4859             nan     0.1746   -0.0002
   540        0.4837             nan     0.1746   -0.0002
   560        0.4809             nan     0.1746   -0.0001
   580        0.4789             nan     0.1746   -0.0001
   600        0.4771             nan     0.1746   -0.0002
   620        0.4746             nan     0.1746    0.0001
   640        0.4722             nan     0.1746   -0.0001
   660        0.4701             nan     0.1746   -0.0002
   680        0.4684             nan     0.1746   -0.0001
   700        0.4660             nan     0.1746   -0.0002
   720        0.4631             nan     0.1746   -0.0001
   740        0.4608             nan     0.1746   -0.0001
   760        0.4590             nan     0.1746   -0.0001
   780        0.4568             nan     0.1746   -0.0001
   800        0.4551             nan     0.1746   -0.0002
   820        0.4534             nan     0.1746   -0.0001
   840        0.4515             nan     0.1746   -0.0001
   860        0.4494             nan     0.1746   -0.0002
   870        0.4484             nan     0.1746   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9949             nan     0.1804    0.0527
     2        0.9223             nan     0.1804    0.0357
     3        0.8749             nan     0.1804    0.0234
     4        0.8370             nan     0.1804    0.0190
     5        0.8047             nan     0.1804    0.0159
     6        0.7836             nan     0.1804    0.0101
     7        0.7653             nan     0.1804    0.0083
     8        0.7490             nan     0.1804    0.0081
     9        0.7350             nan     0.1804    0.0067
    10        0.7250             nan     0.1804    0.0045
    20        0.6549             nan     0.1804    0.0017
    40        0.6116             nan     0.1804    0.0007
    60        0.5946             nan     0.1804    0.0001
    80        0.5826             nan     0.1804    0.0000
   100        0.5754             nan     0.1804   -0.0001
   120        0.5706             nan     0.1804   -0.0001
   140        0.5652             nan     0.1804   -0.0001
   160        0.5624             nan     0.1804   -0.0002
   180        0.5596             nan     0.1804    0.0000
   200        0.5560             nan     0.1804   -0.0002
   220        0.5532             nan     0.1804   -0.0001
   240        0.5506             nan     0.1804   -0.0002
   260        0.5487             nan     0.1804   -0.0003
   280        0.5458             nan     0.1804    0.0000
   300        0.5429             nan     0.1804   -0.0000
   320        0.5408             nan     0.1804   -0.0001
   340        0.5390             nan     0.1804   -0.0001
   360        0.5370             nan     0.1804   -0.0001
   380        0.5348             nan     0.1804   -0.0002
   400        0.5334             nan     0.1804   -0.0001
   420        0.5319             nan     0.1804   -0.0001
   440        0.5305             nan     0.1804   -0.0002
   460        0.5286             nan     0.1804   -0.0001
   480        0.5273             nan     0.1804   -0.0002
   500        0.5258             nan     0.1804   -0.0001
   520        0.5245             nan     0.1804   -0.0001
   540        0.5235             nan     0.1804   -0.0001
   560        0.5227             nan     0.1804   -0.0002
   580        0.5211             nan     0.1804   -0.0002
   600        0.5191             nan     0.1804   -0.0001
   620        0.5180             nan     0.1804   -0.0002
   640        0.5172             nan     0.1804   -0.0001
   660        0.5162             nan     0.1804   -0.0001
   667        0.5159             nan     0.1804   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9921             nan     0.1837    0.0528
     2        0.9184             nan     0.1837    0.0365
     3        0.8716             nan     0.1837    0.0230
     4        0.8303             nan     0.1837    0.0205
     5        0.7996             nan     0.1837    0.0152
     6        0.7749             nan     0.1837    0.0122
     7        0.7560             nan     0.1837    0.0094
     8        0.7413             nan     0.1837    0.0070
     9        0.7291             nan     0.1837    0.0057
    10        0.7184             nan     0.1837    0.0056
    20        0.6528             nan     0.1837    0.0020
    40        0.6092             nan     0.1837    0.0003
    60        0.5917             nan     0.1837    0.0001
    80        0.5803             nan     0.1837    0.0000
   100        0.5721             nan     0.1837   -0.0000
   120        0.5672             nan     0.1837   -0.0000
   140        0.5624             nan     0.1837   -0.0001
   160        0.5579             nan     0.1837   -0.0001
   180        0.5535             nan     0.1837   -0.0001
   200        0.5507             nan     0.1837   -0.0003
   220        0.5476             nan     0.1837   -0.0001
   240        0.5455             nan     0.1837   -0.0001
   260        0.5424             nan     0.1837   -0.0002
   280        0.5405             nan     0.1837   -0.0002
   300        0.5369             nan     0.1837   -0.0001
   320        0.5355             nan     0.1837   -0.0002
   340        0.5336             nan     0.1837   -0.0001
   360        0.5319             nan     0.1837   -0.0001
   380        0.5301             nan     0.1837   -0.0001
   400        0.5284             nan     0.1837   -0.0002
   420        0.5267             nan     0.1837   -0.0002
   440        0.5250             nan     0.1837   -0.0001
   460        0.5237             nan     0.1837   -0.0002
   480        0.5218             nan     0.1837    0.0001
   500        0.5203             nan     0.1837   -0.0001
   507        0.5200             nan     0.1837   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0072             nan     0.1839    0.0466
     2        0.9435             nan     0.1839    0.0303
     3        0.8992             nan     0.1839    0.0217
     4        0.8570             nan     0.1839    0.0213
     5        0.8294             nan     0.1839    0.0135
     6        0.8052             nan     0.1839    0.0125
     7        0.7887             nan     0.1839    0.0077
     8        0.7756             nan     0.1839    0.0065
     9        0.7595             nan     0.1839    0.0080
    10        0.7461             nan     0.1839    0.0064
    20        0.6729             nan     0.1839    0.0028
    40        0.6269             nan     0.1839    0.0007
    60        0.6096             nan     0.1839    0.0002
    80        0.5986             nan     0.1839   -0.0000
   100        0.5913             nan     0.1839   -0.0000
   120        0.5861             nan     0.1839    0.0001
   140        0.5822             nan     0.1839   -0.0001
   160        0.5790             nan     0.1839   -0.0000
   180        0.5758             nan     0.1839   -0.0001
   200        0.5736             nan     0.1839   -0.0000
   220        0.5713             nan     0.1839   -0.0001
   240        0.5684             nan     0.1839   -0.0001
   260        0.5667             nan     0.1839   -0.0001
   280        0.5651             nan     0.1839    0.0000
   300        0.5627             nan     0.1839   -0.0001
   320        0.5604             nan     0.1839   -0.0002
   340        0.5587             nan     0.1839   -0.0002
   360        0.5575             nan     0.1839   -0.0001
   380        0.5560             nan     0.1839   -0.0001
   400        0.5545             nan     0.1839   -0.0001
   420        0.5537             nan     0.1839   -0.0001
   440        0.5526             nan     0.1839   -0.0002
   460        0.5517             nan     0.1839   -0.0002
   480        0.5510             nan     0.1839   -0.0000
   500        0.5499             nan     0.1839   -0.0001
   520        0.5489             nan     0.1839   -0.0002
   540        0.5484             nan     0.1839   -0.0001
   560        0.5474             nan     0.1839   -0.0001
   580        0.5464             nan     0.1839   -0.0001
   600        0.5457             nan     0.1839   -0.0001
   620        0.5451             nan     0.1839   -0.0001
   640        0.5440             nan     0.1839   -0.0001
   660        0.5432             nan     0.1839   -0.0001
   680        0.5424             nan     0.1839   -0.0000
   700        0.5418             nan     0.1839   -0.0001
   706        0.5416             nan     0.1839   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0021             nan     0.1931    0.0485
     2        0.9374             nan     0.1931    0.0315
     3        0.8841             nan     0.1931    0.0258
     4        0.8477             nan     0.1931    0.0184
     5        0.8240             nan     0.1931    0.0118
     6        0.8066             nan     0.1931    0.0081
     7        0.7851             nan     0.1931    0.0106
     8        0.7720             nan     0.1931    0.0062
     9        0.7569             nan     0.1931    0.0077
    10        0.7454             nan     0.1931    0.0057
    20        0.6720             nan     0.1931    0.0011
    40        0.6249             nan     0.1931    0.0001
    60        0.6068             nan     0.1931   -0.0000
    80        0.5971             nan     0.1931    0.0001
   100        0.5900             nan     0.1931   -0.0000
   120        0.5837             nan     0.1931   -0.0001
   140        0.5795             nan     0.1931   -0.0001
   160        0.5762             nan     0.1931   -0.0001
   180        0.5741             nan     0.1931   -0.0001
   200        0.5714             nan     0.1931   -0.0001
   220        0.5681             nan     0.1931   -0.0001
   240        0.5657             nan     0.1931    0.0000
   260        0.5630             nan     0.1931   -0.0002
   280        0.5602             nan     0.1931   -0.0002
   300        0.5587             nan     0.1931   -0.0000
   320        0.5572             nan     0.1931   -0.0001
   340        0.5558             nan     0.1931   -0.0001
   360        0.5540             nan     0.1931   -0.0001
   380        0.5529             nan     0.1931   -0.0000
   400        0.5515             nan     0.1931   -0.0001
   420        0.5497             nan     0.1931   -0.0001
   440        0.5489             nan     0.1931   -0.0001
   460        0.5470             nan     0.1931   -0.0001
   480        0.5461             nan     0.1931   -0.0001
   500        0.5449             nan     0.1931   -0.0001
   520        0.5438             nan     0.1931   -0.0001
   540        0.5424             nan     0.1931   -0.0001
   560        0.5415             nan     0.1931   -0.0000
   580        0.5406             nan     0.1931   -0.0001
   600        0.5396             nan     0.1931   -0.0001
   620        0.5390             nan     0.1931   -0.0001
   637        0.5382             nan     0.1931   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9878             nan     0.1938    0.0563
     2        0.9118             nan     0.1938    0.0382
     3        0.8626             nan     0.1938    0.0248
     4        0.8297             nan     0.1938    0.0170
     5        0.7986             nan     0.1938    0.0153
     6        0.7775             nan     0.1938    0.0100
     7        0.7561             nan     0.1938    0.0105
     8        0.7387             nan     0.1938    0.0085
     9        0.7260             nan     0.1938    0.0059
    10        0.7158             nan     0.1938    0.0045
    20        0.6497             nan     0.1938    0.0012
    40        0.6070             nan     0.1938    0.0005
    60        0.5896             nan     0.1938   -0.0001
    80        0.5778             nan     0.1938    0.0000
   100        0.5704             nan     0.1938   -0.0001
   120        0.5641             nan     0.1938   -0.0001
   140        0.5590             nan     0.1938   -0.0001
   160        0.5541             nan     0.1938   -0.0002
   180        0.5507             nan     0.1938   -0.0001
   200        0.5482             nan     0.1938   -0.0002
   220        0.5454             nan     0.1938   -0.0002
   240        0.5420             nan     0.1938   -0.0001
   260        0.5387             nan     0.1938   -0.0001
   280        0.5362             nan     0.1938   -0.0002
   300        0.5329             nan     0.1938   -0.0000
   320        0.5310             nan     0.1938   -0.0001
   340        0.5294             nan     0.1938   -0.0002
   360        0.5270             nan     0.1938   -0.0001
   380        0.5252             nan     0.1938   -0.0001
   400        0.5226             nan     0.1938   -0.0001
   420        0.5208             nan     0.1938   -0.0001
   440        0.5188             nan     0.1938   -0.0001
   460        0.5172             nan     0.1938   -0.0002
   480        0.5152             nan     0.1938   -0.0000
   500        0.5139             nan     0.1938   -0.0002
   520        0.5127             nan     0.1938   -0.0001
   523        0.5124             nan     0.1938   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0270             nan     0.1946    0.0359
     2        0.9828             nan     0.1946    0.0212
     3        0.9407             nan     0.1946    0.0220
     4        0.9114             nan     0.1946    0.0145
     5        0.8822             nan     0.1946    0.0146
     6        0.8641             nan     0.1946    0.0091
     7        0.8445             nan     0.1946    0.0098
     8        0.8275             nan     0.1946    0.0081
     9        0.8162             nan     0.1946    0.0054
    10        0.8055             nan     0.1946    0.0053
    20        0.7265             nan     0.1946    0.0033
    40        0.6645             nan     0.1946    0.0006
    60        0.6384             nan     0.1946    0.0002
    80        0.6254             nan     0.1946    0.0000
   100        0.6164             nan     0.1946   -0.0000
   120        0.6089             nan     0.1946    0.0001
   140        0.6043             nan     0.1946   -0.0000
   160        0.5999             nan     0.1946    0.0002
   180        0.5969             nan     0.1946   -0.0000
   200        0.5941             nan     0.1946    0.0001
   220        0.5925             nan     0.1946   -0.0001
   240        0.5907             nan     0.1946   -0.0001
   260        0.5894             nan     0.1946   -0.0001
   280        0.5874             nan     0.1946   -0.0000
   300        0.5864             nan     0.1946   -0.0001
   320        0.5853             nan     0.1946   -0.0001
   340        0.5844             nan     0.1946   -0.0001
   360        0.5833             nan     0.1946   -0.0001
   380        0.5827             nan     0.1946   -0.0001
   400        0.5821             nan     0.1946   -0.0001
   420        0.5811             nan     0.1946    0.0000
   440        0.5805             nan     0.1946   -0.0001
   460        0.5799             nan     0.1946   -0.0001
   480        0.5789             nan     0.1946   -0.0001
   500        0.5785             nan     0.1946   -0.0001
   520        0.5781             nan     0.1946   -0.0001
   540        0.5775             nan     0.1946   -0.0000
   560        0.5771             nan     0.1946   -0.0000
   580        0.5767             nan     0.1946   -0.0001
   600        0.5764             nan     0.1946   -0.0000
   603        0.5763             nan     0.1946   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0025             nan     0.1956    0.0495
     2        0.9380             nan     0.1956    0.0325
     3        0.8843             nan     0.1956    0.0264
     4        0.8487             nan     0.1956    0.0181
     5        0.8246             nan     0.1956    0.0124
     6        0.8012             nan     0.1956    0.0118
     7        0.7843             nan     0.1956    0.0084
     8        0.7650             nan     0.1956    0.0094
     9        0.7526             nan     0.1956    0.0057
    10        0.7422             nan     0.1956    0.0048
    20        0.6685             nan     0.1956    0.0024
    40        0.6230             nan     0.1956    0.0005
    60        0.6032             nan     0.1956    0.0002
    80        0.5918             nan     0.1956    0.0001
   100        0.5847             nan     0.1956    0.0002
   120        0.5797             nan     0.1956   -0.0002
   140        0.5747             nan     0.1956   -0.0002
   160        0.5702             nan     0.1956    0.0000
   180        0.5662             nan     0.1956   -0.0001
   200        0.5638             nan     0.1956   -0.0001
   220        0.5610             nan     0.1956   -0.0002
   240        0.5588             nan     0.1956   -0.0001
   260        0.5566             nan     0.1956   -0.0001
   280        0.5546             nan     0.1956   -0.0003
   300        0.5529             nan     0.1956   -0.0001
   310        0.5521             nan     0.1956   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0053             nan     0.1958    0.0464
     2        0.9372             nan     0.1958    0.0340
     3        0.8864             nan     0.1958    0.0259
     4        0.8567             nan     0.1958    0.0147
     5        0.8262             nan     0.1958    0.0149
     6        0.7996             nan     0.1958    0.0128
     7        0.7791             nan     0.1958    0.0101
     8        0.7639             nan     0.1958    0.0075
     9        0.7496             nan     0.1958    0.0068
    10        0.7374             nan     0.1958    0.0057
    20        0.6681             nan     0.1958    0.0028
    40        0.6250             nan     0.1958    0.0003
    60        0.6063             nan     0.1958    0.0001
    80        0.5955             nan     0.1958   -0.0000
   100        0.5890             nan     0.1958    0.0000
   120        0.5839             nan     0.1958    0.0000
   140        0.5786             nan     0.1958    0.0000
   160        0.5740             nan     0.1958   -0.0000
   180        0.5708             nan     0.1958   -0.0001
   200        0.5678             nan     0.1958   -0.0001
   220        0.5657             nan     0.1958   -0.0001
   240        0.5628             nan     0.1958   -0.0000
   260        0.5610             nan     0.1958   -0.0001
   280        0.5594             nan     0.1958   -0.0000
   300        0.5580             nan     0.1958   -0.0000
   320        0.5566             nan     0.1958   -0.0001
   340        0.5551             nan     0.1958   -0.0001
   360        0.5537             nan     0.1958   -0.0001
   380        0.5524             nan     0.1958   -0.0001
   400        0.5514             nan     0.1958   -0.0001
   420        0.5506             nan     0.1958   -0.0001
   440        0.5497             nan     0.1958   -0.0001
   460        0.5485             nan     0.1958   -0.0001
   467        0.5484             nan     0.1958   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0007             nan     0.1968    0.0490
     2        0.9230             nan     0.1968    0.0394
     3        0.8787             nan     0.1968    0.0219
     4        0.8401             nan     0.1968    0.0189
     5        0.8169             nan     0.1968    0.0119
     6        0.7980             nan     0.1968    0.0093
     7        0.7783             nan     0.1968    0.0097
     8        0.7603             nan     0.1968    0.0093
     9        0.7465             nan     0.1968    0.0066
    10        0.7354             nan     0.1968    0.0053
    20        0.6652             nan     0.1968    0.0020
    40        0.6238             nan     0.1968    0.0003
    60        0.6074             nan     0.1968    0.0000
    80        0.5960             nan     0.1968   -0.0000
   100        0.5870             nan     0.1968    0.0001
   120        0.5812             nan     0.1968    0.0000
   140        0.5766             nan     0.1968   -0.0001
   160        0.5726             nan     0.1968    0.0001
   180        0.5698             nan     0.1968    0.0000
   200        0.5680             nan     0.1968    0.0000
   220        0.5653             nan     0.1968   -0.0002
   240        0.5627             nan     0.1968   -0.0001
   260        0.5594             nan     0.1968   -0.0001
   277        0.5579             nan     0.1968   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9999             nan     0.1973    0.0495
     2        0.9359             nan     0.1973    0.0325
     3        0.8817             nan     0.1973    0.0266
     4        0.8488             nan     0.1973    0.0155
     5        0.8199             nan     0.1973    0.0146
     6        0.7954             nan     0.1973    0.0124
     7        0.7768             nan     0.1973    0.0089
     8        0.7616             nan     0.1973    0.0073
     9        0.7507             nan     0.1973    0.0052
    10        0.7372             nan     0.1973    0.0063
    20        0.6677             nan     0.1973    0.0019
    40        0.6225             nan     0.1973    0.0003
    60        0.6047             nan     0.1973    0.0004
    80        0.5935             nan     0.1973   -0.0002
   100        0.5864             nan     0.1973    0.0004
   120        0.5818             nan     0.1973   -0.0001
   140        0.5777             nan     0.1973   -0.0000
   160        0.5735             nan     0.1973   -0.0000
   180        0.5698             nan     0.1973   -0.0001
   200        0.5664             nan     0.1973    0.0000
   220        0.5635             nan     0.1973   -0.0000
   240        0.5618             nan     0.1973   -0.0000
   260        0.5604             nan     0.1973   -0.0001
   280        0.5588             nan     0.1973   -0.0002
   300        0.5573             nan     0.1973   -0.0000
   320        0.5553             nan     0.1973    0.0001
   340        0.5534             nan     0.1973   -0.0002
   360        0.5515             nan     0.1973   -0.0000
   380        0.5500             nan     0.1973   -0.0001
   400        0.5487             nan     0.1973   -0.0001
   420        0.5477             nan     0.1973   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9847             nan     0.1983    0.0579
     2        0.9088             nan     0.1983    0.0372
     3        0.8615             nan     0.1983    0.0234
     4        0.8210             nan     0.1983    0.0211
     5        0.7927             nan     0.1983    0.0140
     6        0.7660             nan     0.1983    0.0133
     7        0.7505             nan     0.1983    0.0074
     8        0.7352             nan     0.1983    0.0074
     9        0.7207             nan     0.1983    0.0070
    10        0.7080             nan     0.1983    0.0060
    20        0.6431             nan     0.1983    0.0015
    40        0.6058             nan     0.1983    0.0005
    60        0.5908             nan     0.1983    0.0001
    80        0.5811             nan     0.1983    0.0001
   100        0.5734             nan     0.1983   -0.0001
   120        0.5675             nan     0.1983   -0.0001
   140        0.5634             nan     0.1983   -0.0001
   160        0.5609             nan     0.1983   -0.0002
   180        0.5566             nan     0.1983   -0.0001
   200        0.5541             nan     0.1983   -0.0000
   220        0.5514             nan     0.1983   -0.0001
   240        0.5493             nan     0.1983   -0.0002
   260        0.5472             nan     0.1983   -0.0003
   280        0.5450             nan     0.1983   -0.0001
   300        0.5428             nan     0.1983   -0.0001
   320        0.5403             nan     0.1983   -0.0001
   340        0.5380             nan     0.1983   -0.0000
   360        0.5359             nan     0.1983   -0.0002
   380        0.5349             nan     0.1983   -0.0001
   400        0.5333             nan     0.1983   -0.0001
   420        0.5314             nan     0.1983   -0.0002
   440        0.5297             nan     0.1983   -0.0001
   460        0.5282             nan     0.1983   -0.0002
   480        0.5264             nan     0.1983   -0.0002
   500        0.5250             nan     0.1983   -0.0001
   520        0.5237             nan     0.1983   -0.0002
   540        0.5226             nan     0.1983   -0.0002
   560        0.5213             nan     0.1983   -0.0002
   580        0.5203             nan     0.1983   -0.0001
   594        0.5194             nan     0.1983   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9849             nan     0.1999    0.0576
     2        0.9080             nan     0.1999    0.0383
     3        0.8606             nan     0.1999    0.0231
     4        0.8192             nan     0.1999    0.0205
     5        0.7924             nan     0.1999    0.0131
     6        0.7680             nan     0.1999    0.0120
     7        0.7525             nan     0.1999    0.0082
     8        0.7384             nan     0.1999    0.0065
     9        0.7210             nan     0.1999    0.0086
    10        0.7105             nan     0.1999    0.0052
    20        0.6461             nan     0.1999    0.0016
    40        0.6057             nan     0.1999    0.0004
    60        0.5911             nan     0.1999    0.0001
    80        0.5801             nan     0.1999    0.0001
   100        0.5721             nan     0.1999   -0.0000
   120        0.5658             nan     0.1999    0.0001
   140        0.5614             nan     0.1999   -0.0001
   160        0.5569             nan     0.1999   -0.0001
   180        0.5533             nan     0.1999   -0.0001
   196        0.5508             nan     0.1999   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0803             nan     0.0280    0.0104
     2        1.0614             nan     0.0280    0.0094
     3        1.0436             nan     0.0280    0.0089
     4        1.0274             nan     0.0280    0.0082
     5        1.0121             nan     0.0280    0.0078
     6        0.9976             nan     0.0280    0.0072
     7        0.9841             nan     0.0280    0.0067
     8        0.9713             nan     0.0280    0.0064
     9        0.9592             nan     0.0280    0.0060
    10        0.9479             nan     0.0280    0.0056
    20        0.8610             nan     0.0280    0.0035
    40        0.7637             nan     0.0280    0.0019
    60        0.7081             nan     0.0280    0.0010
    80        0.6748             nan     0.0280    0.0005
   100        0.6522             nan     0.0280    0.0004
   120        0.6374             nan     0.0280    0.0003
   140        0.6251             nan     0.0280    0.0003
   160        0.6161             nan     0.0280    0.0002
   180        0.6089             nan     0.0280    0.0001
   200        0.6020             nan     0.0280    0.0002
   220        0.5967             nan     0.0280    0.0001
   240        0.5924             nan     0.0280    0.0001
   260        0.5883             nan     0.0280    0.0001
   280        0.5854             nan     0.0280    0.0001
   300        0.5822             nan     0.0280   -0.0000
   320        0.5796             nan     0.0280    0.0000
   340        0.5769             nan     0.0280    0.0000
   360        0.5748             nan     0.0280   -0.0000
   380        0.5731             nan     0.0280   -0.0000
   400        0.5715             nan     0.0280    0.0000
   420        0.5695             nan     0.0280   -0.0000
   440        0.5674             nan     0.0280    0.0000
   460        0.5660             nan     0.0280    0.0000
   480        0.5644             nan     0.0280   -0.0000
   500        0.5631             nan     0.0280   -0.0000
   520        0.5617             nan     0.0280   -0.0000
   540        0.5604             nan     0.0280   -0.0000
   560        0.5589             nan     0.0280   -0.0000
   580        0.5578             nan     0.0280   -0.0000
   600        0.5567             nan     0.0280    0.0000
   620        0.5553             nan     0.0280    0.0000
   640        0.5542             nan     0.0280    0.0000
   660        0.5530             nan     0.0280    0.0000
   680        0.5521             nan     0.0280   -0.0000
   700        0.5511             nan     0.0280   -0.0000
   720        0.5499             nan     0.0280   -0.0000
   740        0.5490             nan     0.0280   -0.0000
   760        0.5480             nan     0.0280   -0.0000
   780        0.5470             nan     0.0280   -0.0000
   800        0.5460             nan     0.0280   -0.0000
   820        0.5451             nan     0.0280   -0.0000
   840        0.5441             nan     0.0280    0.0000
   860        0.5429             nan     0.0280   -0.0000
   880        0.5418             nan     0.0280   -0.0000
   900        0.5411             nan     0.0280   -0.0000
   918        0.5404             nan     0.0280    0.0000
# Look at which  variables are important
summary(trainOrigObjModel)

                                                              var     rel.inf
marital_statusmarried_civ_spouse marital_statusmarried_civ_spouse 34.16135346
capital_gain                                         capital_gain 19.20552323
education_num                                       education_num 18.45416192
capital_loss                                         capital_loss  6.66847701
age                                                           age  6.03114395
hours_per_week                                     hours_per_week  4.44560141
fnlwgt                                                     fnlwgt  1.98915324
occupationexec_managerial               occupationexec_managerial  1.90791642
occupationprof_specialty                 occupationprof_specialty  0.98613882
relationshipwife                                 relationshipwife  0.68180057
workclassself_emp_not_inc               workclassself_emp_not_inc  0.43773952
occupationother_service                   occupationother_service  0.35619762
occupationsales                                   occupationsales  0.27221095
occupationtech_support                     occupationtech_support  0.26637931
workclassfederal_gov                         workclassfederal_gov  0.25536157
occupationfarming_fishing               occupationfarming_fishing  0.24999818
sexmale                                                   sexmale  0.19118599
workclasslocal_gov                             workclasslocal_gov  0.18774028
occupationprotective_serv               occupationprotective_serv  0.18162010
educationbachelors                             educationbachelors  0.17513021
relationshipnot_in_family               relationshipnot_in_family  0.16708585
racewhite                                               racewhite  0.16095457
workclassself_emp_inc                       workclassself_emp_inc  0.15784371
relationshiphusband                           relationshiphusband  0.15645829
sexfemale                                               sexfemale  0.15171247
native_countryunited_states           native_countryunited_states  0.13447796
occupationadm_clerical                     occupationadm_clerical  0.10704619
marital_statusnever_married           marital_statusnever_married  0.09479522
workclassprivate                                 workclassprivate  0.09370143
occupationhandlers_cleaners           occupationhandlers_cleaners  0.08224026
native_countrycanada                         native_countrycanada  0.07730735
occupationmachine_op_inspct           occupationmachine_op_inspct  0.07331382
marital_statuswidowed                       marital_statuswidowed  0.06357668
native_countryitaly                           native_countryitaly  0.06339191
educationsome_college                       educationsome_college  0.06273104
raceblack                                               raceblack  0.05844600
raceasian_pac_islander                     raceasian_pac_islander  0.05729385
 [ reached 'max' / getOption("max.print") -- omitted 70 rows ]
# Which tuning parameters were most important
print(trainOrigObjModel)
Stochastic Gradient Boosting 

31247 samples
  107 predictor
    2 classes: 'high', 'low' 

No pre-processing
Resampling: Cross-Validated (3 fold) 
Summary of sample sizes: 20831, 20831, 20832 
Resampling results across tuning parameters:

  shrinkage  interaction.depth  n.minobsinnode  n.trees  ROC        Sens     
  0.0116     5                  30              628      0.9188784  0.5993847
  0.0118     4                  96              366      0.9110330  0.5557785
  0.0134     4                  35              260      0.9092771  0.5434724
  0.0164     4                  40              985      0.9215002  0.6221241
  0.0166     3                  56              136      0.9007916  0.5064205
  0.0205     3                  68              950      0.9200260  0.6162386
  0.0280     5                   6              918      0.9245893  0.6384430
  0.0292     1                  11              676      0.9114325  0.5595238
  0.0297     4                   6              401      0.9204292  0.6111557
  0.0300     2                  76              940      0.9188638  0.6110219
  Spec     
  0.9483825
  0.9525893
  0.9543562
  0.9452275
  0.9571327
  0.9450171
  0.9442177
  0.9522528
  0.9474150
  0.9450592
 [ reached getOption("max.print") -- omitted 90 rows ]

ROC was used to select the optimal model using the largest value.
The final values used for the model were n.trees = 918, interaction.depth =
 5, shrinkage = 0.028 and n.minobsinnode = 6.

Since the data was first split and then dummified, we need to add back some variables to the test set that might have occurred in the training set. Therefore, we nee to add back some missing dummy variables to the test set that were used to build the model.

# Adding missing dummy variables to test set ------------------------------
# Original countries
# Coefficient names used in the model
coefNames <- data.frame(names = trainOrigObjModel$coefnames) %>% 
  mutate(n = 1)

testOrigNames <- data.frame(names = names(testOrig)) %>% 
  mutate(n = 1)

# Check difference in Model Coefficient names and test dataset
nameDiff <- dplyr::anti_join(coefNames, testOrigNames)

# Add variables that are missing from test
for (nm in nameDiff$names) {
  testOrig[[nm]] <- 0
}

Build our model for the dataset with the Clusters

# Build model using clusters ----------------------------------------------
formFeats  <- names(trainClust)[names(trainClust) != target]
modFormula <- formula(paste0(target, " ~ ", paste0(formFeats, collapse = " + ")))
set.seed(123)
trainClustObjModel <- caret::train(modFormula,
                                   data         = trainClust,
                                   distribution = "bernoulli",
                                   method       = "gbm",
                                   metric       = "ROC",
                                   trControl    = objControl,
                                   tuneGrid     = gbmGrid)
Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0917             nan     0.0116    0.0043
     2        1.0836             nan     0.0116    0.0041
     3        1.0756             nan     0.0116    0.0040
     4        1.0676             nan     0.0116    0.0039
     5        1.0601             nan     0.0116    0.0038
     6        1.0528             nan     0.0116    0.0037
     7        1.0457             nan     0.0116    0.0036
     8        1.0388             nan     0.0116    0.0034
     9        1.0322             nan     0.0116    0.0033
    10        1.0257             nan     0.0116    0.0032
    20        0.9688             nan     0.0116    0.0025
    40        0.8878             nan     0.0116    0.0016
    60        0.8323             nan     0.0116    0.0011
    80        0.7919             nan     0.0116    0.0009
   100        0.7596             nan     0.0116    0.0007
   120        0.7340             nan     0.0116    0.0006
   140        0.7144             nan     0.0116    0.0004
   160        0.6976             nan     0.0116    0.0003
   180        0.6843             nan     0.0116    0.0003
   200        0.6726             nan     0.0116    0.0002
   220        0.6624             nan     0.0116    0.0002
   240        0.6540             nan     0.0116    0.0002
   260        0.6471             nan     0.0116    0.0002
   280        0.6408             nan     0.0116    0.0001
   300        0.6352             nan     0.0116    0.0001
   320        0.6300             nan     0.0116    0.0001
   340        0.6257             nan     0.0116    0.0001
   360        0.6215             nan     0.0116    0.0001
   380        0.6178             nan     0.0116    0.0000
   400        0.6146             nan     0.0116    0.0000
   420        0.6115             nan     0.0116    0.0001
   440        0.6087             nan     0.0116    0.0000
   460        0.6060             nan     0.0116    0.0000
   480        0.6036             nan     0.0116    0.0000
   500        0.6012             nan     0.0116    0.0000
   520        0.5990             nan     0.0116    0.0001
   540        0.5969             nan     0.0116    0.0000
   560        0.5948             nan     0.0116    0.0000
   580        0.5930             nan     0.0116    0.0000
   600        0.5915             nan     0.0116    0.0000
   620        0.5897             nan     0.0116    0.0001
   628        0.5889             nan     0.0116    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0923             nan     0.0118    0.0041
     2        1.0843             nan     0.0118    0.0040
     3        1.0766             nan     0.0118    0.0039
     4        1.0690             nan     0.0118    0.0038
     5        1.0618             nan     0.0118    0.0038
     6        1.0547             nan     0.0118    0.0035
     7        1.0475             nan     0.0118    0.0036
     8        1.0407             nan     0.0118    0.0034
     9        1.0342             nan     0.0118    0.0032
    10        1.0278             nan     0.0118    0.0032
    20        0.9727             nan     0.0118    0.0024
    40        0.8939             nan     0.0118    0.0016
    60        0.8410             nan     0.0118    0.0011
    80        0.8006             nan     0.0118    0.0007
   100        0.7682             nan     0.0118    0.0008
   120        0.7441             nan     0.0118    0.0006
   140        0.7239             nan     0.0118    0.0005
   160        0.7074             nan     0.0118    0.0004
   180        0.6936             nan     0.0118    0.0003
   200        0.6824             nan     0.0118    0.0002
   220        0.6727             nan     0.0118    0.0002
   240        0.6642             nan     0.0118    0.0002
   260        0.6571             nan     0.0118    0.0001
   280        0.6507             nan     0.0118    0.0002
   300        0.6452             nan     0.0118    0.0001
   320        0.6405             nan     0.0118    0.0001
   340        0.6363             nan     0.0118    0.0001
   360        0.6325             nan     0.0118    0.0001
   366        0.6315             nan     0.0118    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0907             nan     0.0134    0.0047
     2        1.0816             nan     0.0134    0.0046
     3        1.0730             nan     0.0134    0.0043
     4        1.0645             nan     0.0134    0.0042
     5        1.0562             nan     0.0134    0.0042
     6        1.0481             nan     0.0134    0.0040
     7        1.0404             nan     0.0134    0.0038
     8        1.0331             nan     0.0134    0.0037
     9        1.0260             nan     0.0134    0.0035
    10        1.0190             nan     0.0134    0.0035
    20        0.9593             nan     0.0134    0.0026
    40        0.8768             nan     0.0134    0.0016
    60        0.8223             nan     0.0134    0.0011
    80        0.7819             nan     0.0134    0.0008
   100        0.7501             nan     0.0134    0.0007
   120        0.7266             nan     0.0134    0.0004
   140        0.7077             nan     0.0134    0.0003
   160        0.6918             nan     0.0134    0.0004
   180        0.6791             nan     0.0134    0.0002
   200        0.6684             nan     0.0134    0.0002
   220        0.6593             nan     0.0134    0.0002
   240        0.6520             nan     0.0134    0.0002
   260        0.6455             nan     0.0134    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0889             nan     0.0164    0.0056
     2        1.0777             nan     0.0164    0.0055
     3        1.0671             nan     0.0164    0.0053
     4        1.0569             nan     0.0164    0.0050
     5        1.0474             nan     0.0164    0.0049
     6        1.0381             nan     0.0164    0.0046
     7        1.0290             nan     0.0164    0.0044
     8        1.0203             nan     0.0164    0.0043
     9        1.0120             nan     0.0164    0.0041
    10        1.0040             nan     0.0164    0.0040
    20        0.9372             nan     0.0164    0.0029
    40        0.8499             nan     0.0164    0.0016
    60        0.7942             nan     0.0164    0.0013
    80        0.7545             nan     0.0164    0.0008
   100        0.7247             nan     0.0164    0.0005
   120        0.7022             nan     0.0164    0.0003
   140        0.6848             nan     0.0164    0.0003
   160        0.6711             nan     0.0164    0.0003
   180        0.6600             nan     0.0164    0.0002
   200        0.6508             nan     0.0164    0.0002
   220        0.6432             nan     0.0164    0.0002
   240        0.6370             nan     0.0164    0.0001
   260        0.6315             nan     0.0164    0.0001
   280        0.6262             nan     0.0164    0.0001
   300        0.6219             nan     0.0164    0.0001
   320        0.6174             nan     0.0164    0.0001
   340        0.6136             nan     0.0164    0.0001
   360        0.6103             nan     0.0164    0.0000
   380        0.6074             nan     0.0164    0.0001
   400        0.6046             nan     0.0164    0.0000
   420        0.6023             nan     0.0164    0.0000
   440        0.6002             nan     0.0164    0.0000
   460        0.5981             nan     0.0164    0.0000
   480        0.5959             nan     0.0164    0.0001
   500        0.5941             nan     0.0164    0.0000
   520        0.5925             nan     0.0164    0.0000
   540        0.5910             nan     0.0164    0.0000
   560        0.5898             nan     0.0164   -0.0000
   580        0.5885             nan     0.0164    0.0000
   600        0.5871             nan     0.0164   -0.0000
   620        0.5858             nan     0.0164    0.0000
   640        0.5843             nan     0.0164    0.0000
   660        0.5832             nan     0.0164   -0.0000
   680        0.5820             nan     0.0164   -0.0000
   700        0.5809             nan     0.0164    0.0000
   720        0.5799             nan     0.0164   -0.0000
   740        0.5789             nan     0.0164   -0.0000
   760        0.5780             nan     0.0164   -0.0000
   780        0.5771             nan     0.0164   -0.0000
   800        0.5762             nan     0.0164   -0.0000
   820        0.5752             nan     0.0164   -0.0000
   840        0.5743             nan     0.0164    0.0000
   860        0.5735             nan     0.0164    0.0000
   880        0.5727             nan     0.0164    0.0000
   900        0.5718             nan     0.0164   -0.0000
   920        0.5711             nan     0.0164   -0.0000
   940        0.5704             nan     0.0164   -0.0000
   960        0.5696             nan     0.0164   -0.0000
   980        0.5688             nan     0.0164    0.0000
   985        0.5686             nan     0.0164    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0899             nan     0.0166    0.0053
     2        1.0798             nan     0.0166    0.0050
     3        1.0703             nan     0.0166    0.0048
     4        1.0611             nan     0.0166    0.0046
     5        1.0522             nan     0.0166    0.0045
     6        1.0435             nan     0.0166    0.0043
     7        1.0353             nan     0.0166    0.0042
     8        1.0274             nan     0.0166    0.0040
     9        1.0194             nan     0.0166    0.0040
    10        1.0116             nan     0.0166    0.0038
    20        0.9476             nan     0.0166    0.0028
    40        0.8599             nan     0.0166    0.0016
    60        0.8050             nan     0.0166    0.0010
    80        0.7673             nan     0.0166    0.0007
   100        0.7396             nan     0.0166    0.0006
   120        0.7178             nan     0.0166    0.0006
   136        0.7036             nan     0.0166    0.0004

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0873             nan     0.0205    0.0066
     2        1.0749             nan     0.0205    0.0062
     3        1.0633             nan     0.0205    0.0058
     4        1.0523             nan     0.0205    0.0055
     5        1.0415             nan     0.0205    0.0054
     6        1.0313             nan     0.0205    0.0051
     7        1.0216             nan     0.0205    0.0049
     8        1.0123             nan     0.0205    0.0046
     9        1.0033             nan     0.0205    0.0046
    10        0.9946             nan     0.0205    0.0043
    20        0.9232             nan     0.0205    0.0030
    40        0.8305             nan     0.0205    0.0018
    60        0.7766             nan     0.0205    0.0009
    80        0.7407             nan     0.0205    0.0007
   100        0.7135             nan     0.0205    0.0005
   120        0.6937             nan     0.0205    0.0005
   140        0.6783             nan     0.0205    0.0003
   160        0.6655             nan     0.0205    0.0003
   180        0.6557             nan     0.0205    0.0001
   200        0.6475             nan     0.0205    0.0002
   220        0.6414             nan     0.0205    0.0001
   240        0.6360             nan     0.0205    0.0001
   260        0.6311             nan     0.0205    0.0001
   280        0.6271             nan     0.0205    0.0000
   300        0.6236             nan     0.0205    0.0000
   320        0.6203             nan     0.0205    0.0001
   340        0.6175             nan     0.0205    0.0000
   360        0.6146             nan     0.0205    0.0000
   380        0.6120             nan     0.0205    0.0000
   400        0.6097             nan     0.0205    0.0000
   420        0.6073             nan     0.0205    0.0000
   440        0.6053             nan     0.0205    0.0001
   460        0.6034             nan     0.0205    0.0000
   480        0.6017             nan     0.0205    0.0000
   500        0.6001             nan     0.0205    0.0001
   520        0.5987             nan     0.0205    0.0000
   540        0.5973             nan     0.0205    0.0000
   560        0.5959             nan     0.0205   -0.0000
   580        0.5947             nan     0.0205    0.0000
   600        0.5935             nan     0.0205    0.0000
   620        0.5922             nan     0.0205   -0.0000
   640        0.5911             nan     0.0205   -0.0000
   660        0.5901             nan     0.0205    0.0000
   680        0.5890             nan     0.0205    0.0000
   700        0.5879             nan     0.0205    0.0000
   720        0.5871             nan     0.0205   -0.0000
   740        0.5861             nan     0.0205   -0.0000
   760        0.5851             nan     0.0205    0.0000
   780        0.5843             nan     0.0205    0.0000
   800        0.5834             nan     0.0205   -0.0000
   820        0.5825             nan     0.0205   -0.0000
   840        0.5816             nan     0.0205    0.0000
   860        0.5808             nan     0.0205   -0.0000
   880        0.5802             nan     0.0205   -0.0000
   900        0.5794             nan     0.0205   -0.0000
   920        0.5786             nan     0.0205   -0.0000
   940        0.5780             nan     0.0205   -0.0000
   950        0.5778             nan     0.0205   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0806             nan     0.0280    0.0101
     2        1.0618             nan     0.0280    0.0095
     3        1.0439             nan     0.0280    0.0087
     4        1.0276             nan     0.0280    0.0082
     5        1.0125             nan     0.0280    0.0075
     6        0.9981             nan     0.0280    0.0070
     7        0.9845             nan     0.0280    0.0067
     8        0.9720             nan     0.0280    0.0064
     9        0.9599             nan     0.0280    0.0061
    10        0.9484             nan     0.0280    0.0057
    20        0.8620             nan     0.0280    0.0035
    40        0.7656             nan     0.0280    0.0017
    60        0.7101             nan     0.0280    0.0009
    80        0.6758             nan     0.0280    0.0006
   100        0.6537             nan     0.0280    0.0005
   120        0.6380             nan     0.0280    0.0005
   140        0.6266             nan     0.0280    0.0002
   160        0.6165             nan     0.0280    0.0004
   180        0.6089             nan     0.0280    0.0001
   200        0.6026             nan     0.0280    0.0001
   220        0.5977             nan     0.0280    0.0000
   240        0.5927             nan     0.0280    0.0002
   260        0.5889             nan     0.0280   -0.0000
   280        0.5852             nan     0.0280    0.0000
   300        0.5817             nan     0.0280    0.0000
   320        0.5785             nan     0.0280    0.0000
   340        0.5759             nan     0.0280    0.0000
   360        0.5738             nan     0.0280    0.0000
   380        0.5714             nan     0.0280    0.0000
   400        0.5692             nan     0.0280    0.0000
   420        0.5677             nan     0.0280   -0.0000
   440        0.5660             nan     0.0280   -0.0000
   460        0.5638             nan     0.0280    0.0001
   480        0.5620             nan     0.0280    0.0000
   500        0.5604             nan     0.0280   -0.0000
   520        0.5587             nan     0.0280   -0.0000
   540        0.5569             nan     0.0280   -0.0000
   560        0.5555             nan     0.0280   -0.0000
   580        0.5539             nan     0.0280   -0.0000
   600        0.5524             nan     0.0280   -0.0000
   620        0.5510             nan     0.0280    0.0000
   640        0.5491             nan     0.0280   -0.0000
   660        0.5478             nan     0.0280    0.0000
   680        0.5465             nan     0.0280    0.0000
   700        0.5452             nan     0.0280    0.0001
   720        0.5439             nan     0.0280   -0.0000
   740        0.5426             nan     0.0280   -0.0000
   760        0.5413             nan     0.0280   -0.0000
   780        0.5403             nan     0.0280   -0.0000
   800        0.5390             nan     0.0280   -0.0000
   820        0.5380             nan     0.0280   -0.0000
   840        0.5368             nan     0.0280    0.0000
   860        0.5357             nan     0.0280   -0.0000
   880        0.5346             nan     0.0280   -0.0000
   900        0.5337             nan     0.0280   -0.0000
   918        0.5329             nan     0.0280    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0889             nan     0.0292    0.0058
     2        1.0779             nan     0.0292    0.0055
     3        1.0676             nan     0.0292    0.0051
     4        1.0582             nan     0.0292    0.0048
     5        1.0489             nan     0.0292    0.0045
     6        1.0403             nan     0.0292    0.0043
     7        1.0320             nan     0.0292    0.0040
     8        1.0244             nan     0.0292    0.0038
     9        1.0176             nan     0.0292    0.0034
    10        1.0102             nan     0.0292    0.0036
    20        0.9546             nan     0.0292    0.0026
    40        0.8784             nan     0.0292    0.0015
    60        0.8299             nan     0.0292    0.0010
    80        0.7953             nan     0.0292    0.0006
   100        0.7691             nan     0.0292    0.0007
   120        0.7482             nan     0.0292    0.0005
   140        0.7313             nan     0.0292    0.0002
   160        0.7170             nan     0.0292    0.0004
   180        0.7043             nan     0.0292    0.0003
   200        0.6941             nan     0.0292    0.0002
   220        0.6850             nan     0.0292    0.0003
   240        0.6778             nan     0.0292    0.0002
   260        0.6712             nan     0.0292    0.0001
   280        0.6654             nan     0.0292    0.0001
   300        0.6605             nan     0.0292    0.0001
   320        0.6553             nan     0.0292    0.0001
   340        0.6514             nan     0.0292    0.0001
   360        0.6480             nan     0.0292    0.0000
   380        0.6450             nan     0.0292    0.0000
   400        0.6421             nan     0.0292    0.0001
   420        0.6393             nan     0.0292    0.0000
   440        0.6371             nan     0.0292    0.0000
   460        0.6351             nan     0.0292    0.0000
   480        0.6331             nan     0.0292    0.0000
   500        0.6315             nan     0.0292    0.0000
   520        0.6298             nan     0.0292    0.0000
   540        0.6280             nan     0.0292    0.0001
   560        0.6264             nan     0.0292   -0.0000
   580        0.6250             nan     0.0292    0.0000
   600        0.6237             nan     0.0292    0.0000
   620        0.6224             nan     0.0292    0.0000
   640        0.6211             nan     0.0292    0.0000
   660        0.6199             nan     0.0292   -0.0000
   676        0.6190             nan     0.0292    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0796             nan     0.0297    0.0103
     2        1.0602             nan     0.0297    0.0095
     3        1.0426             nan     0.0297    0.0089
     4        1.0263             nan     0.0297    0.0083
     5        1.0112             nan     0.0297    0.0075
     6        0.9971             nan     0.0297    0.0070
     7        0.9836             nan     0.0297    0.0068
     8        0.9711             nan     0.0297    0.0062
     9        0.9593             nan     0.0297    0.0060
    10        0.9482             nan     0.0297    0.0056
    20        0.8628             nan     0.0297    0.0033
    40        0.7661             nan     0.0297    0.0014
    60        0.7126             nan     0.0297    0.0010
    80        0.6814             nan     0.0297    0.0004
   100        0.6598             nan     0.0297    0.0004
   120        0.6441             nan     0.0297    0.0002
   140        0.6326             nan     0.0297    0.0002
   160        0.6233             nan     0.0297    0.0001
   180        0.6155             nan     0.0297    0.0001
   200        0.6093             nan     0.0297    0.0001
   220        0.6042             nan     0.0297    0.0000
   240        0.5995             nan     0.0297    0.0001
   260        0.5966             nan     0.0297    0.0000
   280        0.5932             nan     0.0297    0.0000
   300        0.5898             nan     0.0297    0.0000
   320        0.5871             nan     0.0297    0.0000
   340        0.5849             nan     0.0297    0.0000
   360        0.5821             nan     0.0297    0.0001
   380        0.5799             nan     0.0297    0.0001
   400        0.5777             nan     0.0297   -0.0000
   401        0.5777             nan     0.0297   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0837             nan     0.0300    0.0082
     2        1.0682             nan     0.0300    0.0077
     3        1.0540             nan     0.0300    0.0071
     4        1.0410             nan     0.0300    0.0065
     5        1.0288             nan     0.0300    0.0061
     6        1.0170             nan     0.0300    0.0057
     7        1.0058             nan     0.0300    0.0055
     8        0.9953             nan     0.0300    0.0051
     9        0.9856             nan     0.0300    0.0048
    10        0.9762             nan     0.0300    0.0046
    20        0.8937             nan     0.0300    0.0029
    40        0.8080             nan     0.0300    0.0015
    60        0.7579             nan     0.0300    0.0010
    80        0.7254             nan     0.0300    0.0008
   100        0.7010             nan     0.0300    0.0004
   120        0.6829             nan     0.0300    0.0004
   140        0.6686             nan     0.0300    0.0002
   160        0.6585             nan     0.0300    0.0002
   180        0.6499             nan     0.0300    0.0003
   200        0.6428             nan     0.0300    0.0001
   220        0.6372             nan     0.0300    0.0001
   240        0.6328             nan     0.0300    0.0000
   260        0.6286             nan     0.0300    0.0000
   280        0.6252             nan     0.0300    0.0000
   300        0.6219             nan     0.0300    0.0000
   320        0.6196             nan     0.0300    0.0000
   340        0.6172             nan     0.0300    0.0000
   360        0.6146             nan     0.0300    0.0001
   380        0.6123             nan     0.0300    0.0000
   400        0.6104             nan     0.0300    0.0000
   420        0.6086             nan     0.0300    0.0000
   440        0.6067             nan     0.0300    0.0000
   460        0.6051             nan     0.0300   -0.0000
   480        0.6035             nan     0.0300    0.0000
   500        0.6020             nan     0.0300    0.0000
   520        0.6005             nan     0.0300    0.0000
   540        0.5994             nan     0.0300    0.0000
   560        0.5980             nan     0.0300    0.0000
   580        0.5967             nan     0.0300    0.0000
   600        0.5955             nan     0.0300    0.0000
   620        0.5943             nan     0.0300    0.0000
   640        0.5934             nan     0.0300    0.0000
   660        0.5925             nan     0.0300   -0.0000
   680        0.5917             nan     0.0300    0.0000
   700        0.5908             nan     0.0300   -0.0000
   720        0.5899             nan     0.0300   -0.0000
   740        0.5891             nan     0.0300    0.0000
   760        0.5883             nan     0.0300   -0.0000
   780        0.5875             nan     0.0300   -0.0000
   800        0.5868             nan     0.0300   -0.0000
   820        0.5860             nan     0.0300   -0.0000
   840        0.5853             nan     0.0300   -0.0000
   860        0.5844             nan     0.0300   -0.0000
   880        0.5838             nan     0.0300   -0.0000
   900        0.5833             nan     0.0300   -0.0000
   920        0.5826             nan     0.0300   -0.0000
   940        0.5821             nan     0.0300   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0798             nan     0.0324    0.0101
     2        1.0609             nan     0.0324    0.0091
     3        1.0435             nan     0.0324    0.0087
     4        1.0276             nan     0.0324    0.0080
     5        1.0131             nan     0.0324    0.0073
     6        0.9983             nan     0.0324    0.0071
     7        0.9848             nan     0.0324    0.0065
     8        0.9718             nan     0.0324    0.0062
     9        0.9599             nan     0.0324    0.0059
    10        0.9488             nan     0.0324    0.0056
    20        0.8634             nan     0.0324    0.0031
    40        0.7692             nan     0.0324    0.0015
    60        0.7179             nan     0.0324    0.0009
    80        0.6866             nan     0.0324    0.0006
   100        0.6644             nan     0.0324    0.0004
   120        0.6502             nan     0.0324    0.0003
   140        0.6392             nan     0.0324    0.0003
   160        0.6306             nan     0.0324    0.0002
   180        0.6240             nan     0.0324    0.0001
   195        0.6197             nan     0.0324    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0797             nan     0.0327    0.0102
     2        1.0606             nan     0.0327    0.0094
     3        1.0428             nan     0.0327    0.0089
     4        1.0261             nan     0.0327    0.0082
     5        1.0112             nan     0.0327    0.0076
     6        0.9967             nan     0.0327    0.0072
     7        0.9832             nan     0.0327    0.0067
     8        0.9705             nan     0.0327    0.0064
     9        0.9588             nan     0.0327    0.0059
    10        0.9474             nan     0.0327    0.0056
    20        0.8599             nan     0.0327    0.0037
    40        0.7687             nan     0.0327    0.0015
    60        0.7199             nan     0.0327    0.0009
    80        0.6875             nan     0.0327    0.0006
   100        0.6650             nan     0.0327    0.0004
   120        0.6504             nan     0.0327    0.0002
   140        0.6398             nan     0.0327    0.0002
   160        0.6320             nan     0.0327    0.0002
   180        0.6254             nan     0.0327    0.0002
   200        0.6199             nan     0.0327    0.0001
   220        0.6152             nan     0.0327    0.0001
   240        0.6107             nan     0.0327    0.0002
   260        0.6070             nan     0.0327    0.0001
   280        0.6042             nan     0.0327    0.0001
   300        0.6016             nan     0.0327    0.0000
   320        0.5990             nan     0.0327    0.0000
   340        0.5967             nan     0.0327    0.0000
   360        0.5942             nan     0.0327    0.0000
   380        0.5921             nan     0.0327    0.0000
   400        0.5902             nan     0.0327   -0.0000
   420        0.5887             nan     0.0327    0.0000
   439        0.5873             nan     0.0327    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0868             nan     0.0359    0.0071
     2        1.0732             nan     0.0359    0.0066
     3        1.0614             nan     0.0359    0.0061
     4        1.0500             nan     0.0359    0.0057
     5        1.0395             nan     0.0359    0.0053
     6        1.0297             nan     0.0359    0.0049
     7        1.0211             nan     0.0359    0.0042
     8        1.0120             nan     0.0359    0.0045
     9        1.0036             nan     0.0359    0.0042
    10        0.9962             nan     0.0359    0.0035
    20        0.9340             nan     0.0359    0.0023
    40        0.8536             nan     0.0359    0.0018
    60        0.8052             nan     0.0359    0.0011
    80        0.7711             nan     0.0359    0.0006
   100        0.7463             nan     0.0359    0.0004
   120        0.7252             nan     0.0359    0.0005
   140        0.7097             nan     0.0359    0.0002
   160        0.6960             nan     0.0359    0.0004
   180        0.6855             nan     0.0359    0.0003
   200        0.6757             nan     0.0359    0.0002
   220        0.6675             nan     0.0359    0.0002
   240        0.6611             nan     0.0359    0.0001
   260        0.6557             nan     0.0359    0.0001
   280        0.6509             nan     0.0359    0.0001
   300        0.6465             nan     0.0359    0.0001
   320        0.6430             nan     0.0359    0.0000
   340        0.6401             nan     0.0359    0.0001
   360        0.6372             nan     0.0359    0.0000
   380        0.6347             nan     0.0359    0.0000
   400        0.6321             nan     0.0359    0.0000
   420        0.6296             nan     0.0359    0.0000
   440        0.6275             nan     0.0359    0.0001
   460        0.6258             nan     0.0359    0.0000
   480        0.6244             nan     0.0359    0.0000
   500        0.6225             nan     0.0359    0.0001
   520        0.6209             nan     0.0359    0.0000
   540        0.6195             nan     0.0359    0.0000
   560        0.6181             nan     0.0359    0.0000
   580        0.6167             nan     0.0359    0.0000
   600        0.6154             nan     0.0359   -0.0000
   620        0.6141             nan     0.0359    0.0000
   640        0.6130             nan     0.0359    0.0000
   660        0.6119             nan     0.0359    0.0000
   680        0.6109             nan     0.0359   -0.0000
   700        0.6099             nan     0.0359    0.0000
   720        0.6090             nan     0.0359    0.0000
   740        0.6079             nan     0.0359    0.0000
   760        0.6070             nan     0.0359    0.0000
   780        0.6063             nan     0.0359   -0.0000
   800        0.6056             nan     0.0359    0.0000
   820        0.6047             nan     0.0359    0.0000
   840        0.6041             nan     0.0359   -0.0000
   855        0.6036             nan     0.0359   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0746             nan     0.0373    0.0127
     2        1.0510             nan     0.0373    0.0116
     3        1.0296             nan     0.0373    0.0106
     4        1.0100             nan     0.0373    0.0097
     5        0.9923             nan     0.0373    0.0089
     6        0.9756             nan     0.0373    0.0085
     7        0.9597             nan     0.0373    0.0079
     8        0.9454             nan     0.0373    0.0070
     9        0.9327             nan     0.0373    0.0065
    10        0.9205             nan     0.0373    0.0061
    20        0.8323             nan     0.0373    0.0031
    40        0.7373             nan     0.0373    0.0014
    60        0.6875             nan     0.0373    0.0008
    80        0.6582             nan     0.0373    0.0005
   100        0.6412             nan     0.0373    0.0003
   120        0.6292             nan     0.0373    0.0001
   140        0.6205             nan     0.0373    0.0001
   160        0.6137             nan     0.0373    0.0001
   180        0.6083             nan     0.0373    0.0001
   200        0.6038             nan     0.0373    0.0000
   220        0.5999             nan     0.0373    0.0000
   240        0.5965             nan     0.0373    0.0000
   260        0.5935             nan     0.0373    0.0001
   280        0.5908             nan     0.0373    0.0000
   300        0.5884             nan     0.0373    0.0000
   320        0.5864             nan     0.0373   -0.0000
   340        0.5844             nan     0.0373    0.0000
   360        0.5824             nan     0.0373   -0.0000
   380        0.5807             nan     0.0373   -0.0000
   400        0.5790             nan     0.0373   -0.0000
   420        0.5774             nan     0.0373   -0.0000
   440        0.5759             nan     0.0373   -0.0000
   460        0.5746             nan     0.0373   -0.0000
   480        0.5733             nan     0.0373   -0.0000
   500        0.5719             nan     0.0373   -0.0000
   520        0.5704             nan     0.0373    0.0000
   527        0.5701             nan     0.0373   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0740             nan     0.0379    0.0131
     2        1.0503             nan     0.0379    0.0120
     3        1.0288             nan     0.0379    0.0108
     4        1.0092             nan     0.0379    0.0099
     5        0.9913             nan     0.0379    0.0090
     6        0.9747             nan     0.0379    0.0083
     7        0.9593             nan     0.0379    0.0077
     8        0.9446             nan     0.0379    0.0073
     9        0.9316             nan     0.0379    0.0065
    10        0.9187             nan     0.0379    0.0064
    20        0.8296             nan     0.0379    0.0034
    40        0.7336             nan     0.0379    0.0018
    60        0.6854             nan     0.0379    0.0011
    80        0.6579             nan     0.0379    0.0003
   100        0.6399             nan     0.0379    0.0002
   120        0.6286             nan     0.0379    0.0002
   140        0.6193             nan     0.0379    0.0003
   160        0.6123             nan     0.0379    0.0001
   180        0.6060             nan     0.0379    0.0001
   200        0.6013             nan     0.0379    0.0000
   220        0.5972             nan     0.0379    0.0001
   240        0.5934             nan     0.0379    0.0000
   260        0.5902             nan     0.0379    0.0001
   280        0.5876             nan     0.0379    0.0000
   300        0.5852             nan     0.0379    0.0000
   320        0.5828             nan     0.0379    0.0001
   340        0.5808             nan     0.0379    0.0001
   342        0.5805             nan     0.0379    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0752             nan     0.0398    0.0124
     2        1.0524             nan     0.0398    0.0113
     3        1.0317             nan     0.0398    0.0102
     4        1.0125             nan     0.0398    0.0097
     5        0.9954             nan     0.0398    0.0086
     6        0.9792             nan     0.0398    0.0081
     7        0.9637             nan     0.0398    0.0074
     8        0.9501             nan     0.0398    0.0067
     9        0.9367             nan     0.0398    0.0065
    10        0.9246             nan     0.0398    0.0061
    20        0.8329             nan     0.0398    0.0038
    40        0.7442             nan     0.0398    0.0015
    60        0.6974             nan     0.0398    0.0008
    80        0.6683             nan     0.0398    0.0006
   100        0.6495             nan     0.0398    0.0004
   120        0.6364             nan     0.0398    0.0002
   140        0.6272             nan     0.0398    0.0002
   160        0.6192             nan     0.0398    0.0001
   180        0.6132             nan     0.0398    0.0002
   200        0.6084             nan     0.0398    0.0001
   220        0.6040             nan     0.0398   -0.0000
   240        0.6000             nan     0.0398    0.0000
   260        0.5969             nan     0.0398    0.0000
   280        0.5936             nan     0.0398    0.0002
   300        0.5909             nan     0.0398    0.0000
   320        0.5886             nan     0.0398    0.0000
   340        0.5866             nan     0.0398   -0.0000
   360        0.5846             nan     0.0398   -0.0000
   380        0.5828             nan     0.0398   -0.0001
   400        0.5813             nan     0.0398    0.0000
   420        0.5795             nan     0.0398    0.0000
   440        0.5779             nan     0.0398   -0.0000
   460        0.5764             nan     0.0398   -0.0000
   480        0.5746             nan     0.0398   -0.0000
   500        0.5734             nan     0.0398   -0.0000
   520        0.5719             nan     0.0398   -0.0000
   540        0.5704             nan     0.0398   -0.0000
   560        0.5691             nan     0.0398   -0.0000
   580        0.5680             nan     0.0398   -0.0000
   600        0.5666             nan     0.0398   -0.0000
   620        0.5652             nan     0.0398    0.0001
   640        0.5642             nan     0.0398   -0.0000
   660        0.5630             nan     0.0398   -0.0001
   680        0.5618             nan     0.0398   -0.0000
   700        0.5611             nan     0.0398   -0.0000
   720        0.5602             nan     0.0398   -0.0000
   740        0.5591             nan     0.0398   -0.0000
   760        0.5580             nan     0.0398   -0.0000
   780        0.5572             nan     0.0398   -0.0000
   800        0.5562             nan     0.0398   -0.0000
   820        0.5553             nan     0.0398   -0.0000
   840        0.5546             nan     0.0398   -0.0000
   860        0.5538             nan     0.0398   -0.0000
   880        0.5531             nan     0.0398   -0.0000
   900        0.5522             nan     0.0398   -0.0000
   919        0.5517             nan     0.0398   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0840             nan     0.0410    0.0081
     2        1.0693             nan     0.0410    0.0074
     3        1.0556             nan     0.0410    0.0068
     4        1.0434             nan     0.0410    0.0062
     5        1.0318             nan     0.0410    0.0058
     6        1.0211             nan     0.0410    0.0053
     7        1.0115             nan     0.0410    0.0046
     8        1.0018             nan     0.0410    0.0049
     9        0.9925             nan     0.0410    0.0045
    10        0.9845             nan     0.0410    0.0041
    20        0.9204             nan     0.0410    0.0021
    40        0.8376             nan     0.0410    0.0017
    60        0.7893             nan     0.0410    0.0008
    80        0.7561             nan     0.0410    0.0007
   100        0.7303             nan     0.0410    0.0005
   120        0.7118             nan     0.0410    0.0006
   140        0.6969             nan     0.0410    0.0002
   160        0.6839             nan     0.0410    0.0001
   180        0.6734             nan     0.0410    0.0003
   200        0.6649             nan     0.0410    0.0001
   220        0.6581             nan     0.0410    0.0002
   240        0.6520             nan     0.0410    0.0001
   260        0.6468             nan     0.0410    0.0001
   280        0.6432             nan     0.0410    0.0000
   284        0.6423             nan     0.0410    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0680             nan     0.0452    0.0163
     2        1.0396             nan     0.0452    0.0145
     3        1.0131             nan     0.0452    0.0130
     4        0.9899             nan     0.0452    0.0116
     5        0.9695             nan     0.0452    0.0104
     6        0.9506             nan     0.0452    0.0094
     7        0.9328             nan     0.0452    0.0087
     8        0.9168             nan     0.0452    0.0080
     9        0.9017             nan     0.0452    0.0074
    10        0.8884             nan     0.0452    0.0067
    20        0.7937             nan     0.0452    0.0034
    40        0.6997             nan     0.0452    0.0012
    60        0.6566             nan     0.0452    0.0006
    80        0.6312             nan     0.0452    0.0005
   100        0.6153             nan     0.0452    0.0001
   120        0.6034             nan     0.0452    0.0000
   140        0.5954             nan     0.0452    0.0002
   160        0.5882             nan     0.0452    0.0002
   180        0.5826             nan     0.0452    0.0000
   200        0.5782             nan     0.0452   -0.0000
   220        0.5737             nan     0.0452    0.0002
   240        0.5698             nan     0.0452    0.0000
   260        0.5669             nan     0.0452    0.0001
   280        0.5640             nan     0.0452    0.0000
   300        0.5612             nan     0.0452    0.0000
   302        0.5609             nan     0.0452    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0817             nan     0.0466    0.0092
     2        1.0655             nan     0.0466    0.0083
     3        1.0501             nan     0.0466    0.0075
     4        1.0365             nan     0.0466    0.0068
     5        1.0238             nan     0.0466    0.0062
     6        1.0128             nan     0.0466    0.0055
     7        1.0016             nan     0.0466    0.0056
     8        0.9925             nan     0.0466    0.0043
     9        0.9846             nan     0.0466    0.0038
    10        0.9746             nan     0.0466    0.0050
    20        0.9039             nan     0.0466    0.0030
    40        0.8210             nan     0.0466    0.0017
    60        0.7739             nan     0.0466    0.0009
    80        0.7410             nan     0.0466    0.0008
   100        0.7172             nan     0.0466    0.0004
   120        0.6989             nan     0.0466    0.0003
   140        0.6835             nan     0.0466    0.0003
   160        0.6719             nan     0.0466    0.0003
   180        0.6629             nan     0.0466    0.0002
   200        0.6554             nan     0.0466    0.0002
   220        0.6491             nan     0.0466    0.0002
   240        0.6441             nan     0.0466    0.0002
   260        0.6398             nan     0.0466    0.0001
   280        0.6357             nan     0.0466    0.0001
   300        0.6327             nan     0.0466    0.0000
   320        0.6294             nan     0.0466    0.0000
   340        0.6271             nan     0.0466    0.0000
   360        0.6253             nan     0.0466    0.0000
   380        0.6231             nan     0.0466   -0.0000
   386        0.6225             nan     0.0466    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0683             nan     0.0467    0.0161
     2        1.0405             nan     0.0467    0.0142
     3        1.0151             nan     0.0467    0.0126
     4        0.9925             nan     0.0467    0.0113
     5        0.9715             nan     0.0467    0.0102
     6        0.9528             nan     0.0467    0.0090
     7        0.9359             nan     0.0467    0.0083
     8        0.9200             nan     0.0467    0.0079
     9        0.9051             nan     0.0467    0.0075
    10        0.8917             nan     0.0467    0.0067
    20        0.8001             nan     0.0467    0.0032
    40        0.7063             nan     0.0467    0.0014
    60        0.6641             nan     0.0467    0.0009
    80        0.6403             nan     0.0467    0.0004
   100        0.6244             nan     0.0467    0.0003
   120        0.6135             nan     0.0467    0.0001
   140        0.6047             nan     0.0467    0.0001
   160        0.5991             nan     0.0467    0.0000
   180        0.5936             nan     0.0467    0.0001
   200        0.5888             nan     0.0467    0.0000
   220        0.5847             nan     0.0467    0.0001
   240        0.5819             nan     0.0467    0.0000
   260        0.5784             nan     0.0467    0.0000
   280        0.5756             nan     0.0467    0.0000
   300        0.5725             nan     0.0467   -0.0000
   320        0.5703             nan     0.0467    0.0000
   340        0.5679             nan     0.0467   -0.0000
   360        0.5659             nan     0.0467   -0.0000
   380        0.5641             nan     0.0467    0.0000
   400        0.5624             nan     0.0467   -0.0000
   420        0.5604             nan     0.0467   -0.0000
   440        0.5591             nan     0.0467   -0.0001
   460        0.5573             nan     0.0467    0.0000
   480        0.5555             nan     0.0467   -0.0000
   500        0.5542             nan     0.0467   -0.0000
   520        0.5527             nan     0.0467   -0.0000
   540        0.5513             nan     0.0467   -0.0001
   560        0.5496             nan     0.0467    0.0001
   580        0.5480             nan     0.0467   -0.0000
   600        0.5467             nan     0.0467   -0.0000
   620        0.5449             nan     0.0467   -0.0000
   640        0.5438             nan     0.0467   -0.0000
   660        0.5427             nan     0.0467   -0.0000
   680        0.5417             nan     0.0467   -0.0000
   700        0.5406             nan     0.0467   -0.0000
   720        0.5394             nan     0.0467   -0.0000
   740        0.5382             nan     0.0467   -0.0000
   753        0.5375             nan     0.0467   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0696             nan     0.0497    0.0154
     2        1.0416             nan     0.0497    0.0138
     3        1.0165             nan     0.0497    0.0122
     4        0.9951             nan     0.0497    0.0106
     5        0.9753             nan     0.0497    0.0098
     6        0.9574             nan     0.0497    0.0093
     7        0.9404             nan     0.0497    0.0086
     8        0.9248             nan     0.0497    0.0076
     9        0.9110             nan     0.0497    0.0070
    10        0.8975             nan     0.0497    0.0065
    20        0.8042             nan     0.0497    0.0037
    40        0.7186             nan     0.0497    0.0015
    60        0.6741             nan     0.0497    0.0008
    80        0.6495             nan     0.0497    0.0006
   100        0.6340             nan     0.0497    0.0002
   120        0.6223             nan     0.0497    0.0003
   140        0.6144             nan     0.0497    0.0001
   160        0.6083             nan     0.0497    0.0001
   180        0.6032             nan     0.0497    0.0000
   200        0.5982             nan     0.0497    0.0001
   220        0.5943             nan     0.0497    0.0001
   240        0.5912             nan     0.0497    0.0001
   260        0.5881             nan     0.0497   -0.0000
   280        0.5855             nan     0.0497   -0.0000
   300        0.5831             nan     0.0497   -0.0000
   320        0.5810             nan     0.0497    0.0000
   340        0.5787             nan     0.0497    0.0001
   360        0.5766             nan     0.0497   -0.0000
   380        0.5750             nan     0.0497   -0.0000
   400        0.5736             nan     0.0497   -0.0000
   420        0.5720             nan     0.0497   -0.0000
   440        0.5705             nan     0.0497   -0.0000
   460        0.5688             nan     0.0497    0.0000
   480        0.5674             nan     0.0497   -0.0000
   500        0.5662             nan     0.0497   -0.0000
   520        0.5650             nan     0.0497    0.0000
   540        0.5637             nan     0.0497   -0.0000
   553        0.5629             nan     0.0497   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0737             nan     0.0500    0.0133
     2        1.0493             nan     0.0500    0.0121
     3        1.0280             nan     0.0500    0.0107
     4        1.0084             nan     0.0500    0.0099
     5        0.9906             nan     0.0500    0.0088
     6        0.9749             nan     0.0500    0.0078
     7        0.9567             nan     0.0500    0.0093
     8        0.9436             nan     0.0500    0.0065
     9        0.9314             nan     0.0500    0.0059
    10        0.9168             nan     0.0500    0.0074
    20        0.8273             nan     0.0500    0.0030
    40        0.7444             nan     0.0500    0.0016
    60        0.6993             nan     0.0500    0.0008
    80        0.6714             nan     0.0500    0.0006
   100        0.6535             nan     0.0500    0.0003
   120        0.6417             nan     0.0500    0.0002
   140        0.6332             nan     0.0500    0.0001
   160        0.6269             nan     0.0500    0.0001
   180        0.6212             nan     0.0500    0.0001
   200        0.6165             nan     0.0500    0.0001
   220        0.6126             nan     0.0500    0.0000
   240        0.6094             nan     0.0500   -0.0000
   260        0.6065             nan     0.0500    0.0000
   280        0.6036             nan     0.0500    0.0001
   300        0.6011             nan     0.0500    0.0000
   320        0.5991             nan     0.0500   -0.0000
   340        0.5970             nan     0.0500    0.0000
   360        0.5951             nan     0.0500   -0.0000
   380        0.5935             nan     0.0500    0.0000
   400        0.5918             nan     0.0500    0.0000
   420        0.5904             nan     0.0500   -0.0000
   440        0.5890             nan     0.0500   -0.0000
   460        0.5880             nan     0.0500   -0.0000
   480        0.5868             nan     0.0500    0.0000
   500        0.5856             nan     0.0500   -0.0000
   520        0.5843             nan     0.0500    0.0000
   540        0.5832             nan     0.0500   -0.0000
   560        0.5823             nan     0.0500   -0.0000
   580        0.5814             nan     0.0500   -0.0000
   600        0.5805             nan     0.0500   -0.0000
   620        0.5794             nan     0.0500    0.0000
   640        0.5781             nan     0.0500   -0.0000
   660        0.5773             nan     0.0500   -0.0000
   680        0.5766             nan     0.0500   -0.0000
   700        0.5758             nan     0.0500   -0.0000
   720        0.5750             nan     0.0500    0.0000
   740        0.5743             nan     0.0500   -0.0000
   760        0.5737             nan     0.0500   -0.0000
   780        0.5729             nan     0.0500   -0.0000
   800        0.5723             nan     0.0500   -0.0000
   820        0.5716             nan     0.0500   -0.0000
   840        0.5708             nan     0.0500   -0.0000
   860        0.5701             nan     0.0500   -0.0000
   880        0.5695             nan     0.0500    0.0000
   900        0.5685             nan     0.0500    0.0000
   907        0.5681             nan     0.0500    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0718             nan     0.0528    0.0143
     2        1.0465             nan     0.0528    0.0127
     3        1.0242             nan     0.0528    0.0110
     4        1.0042             nan     0.0528    0.0101
     5        0.9867             nan     0.0528    0.0088
     6        0.9699             nan     0.0528    0.0082
     7        0.9510             nan     0.0528    0.0096
     8        0.9342             nan     0.0528    0.0083
     9        0.9191             nan     0.0528    0.0075
    10        0.9059             nan     0.0528    0.0068
    20        0.8205             nan     0.0528    0.0035
    40        0.7385             nan     0.0528    0.0015
    60        0.6938             nan     0.0528    0.0009
    80        0.6675             nan     0.0528    0.0005
   100        0.6509             nan     0.0528    0.0005
   120        0.6394             nan     0.0528    0.0002
   140        0.6314             nan     0.0528    0.0001
   160        0.6254             nan     0.0528    0.0001
   180        0.6205             nan     0.0528    0.0000
   200        0.6156             nan     0.0528    0.0000
   220        0.6118             nan     0.0528    0.0000
   225        0.6110             nan     0.0528    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0712             nan     0.0536    0.0144
     2        1.0456             nan     0.0536    0.0123
     3        1.0231             nan     0.0536    0.0112
     4        1.0027             nan     0.0536    0.0102
     5        0.9846             nan     0.0536    0.0089
     6        0.9681             nan     0.0536    0.0081
     7        0.9498             nan     0.0536    0.0091
     8        0.9362             nan     0.0536    0.0068
     9        0.9206             nan     0.0536    0.0077
    10        0.9067             nan     0.0536    0.0067
    20        0.8228             nan     0.0536    0.0028
    40        0.7382             nan     0.0536    0.0011
    60        0.6927             nan     0.0536    0.0007
    80        0.6670             nan     0.0536    0.0004
   100        0.6499             nan     0.0536    0.0002
   120        0.6386             nan     0.0536    0.0001
   140        0.6300             nan     0.0536    0.0001
   160        0.6245             nan     0.0536    0.0001
   180        0.6185             nan     0.0536    0.0000
   200        0.6147             nan     0.0536    0.0000
   220        0.6111             nan     0.0536    0.0000
   240        0.6079             nan     0.0536    0.0000
   260        0.6052             nan     0.0536    0.0001
   280        0.6028             nan     0.0536    0.0000
   283        0.6025             nan     0.0536    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0790             nan     0.0552    0.0108
     2        1.0596             nan     0.0552    0.0096
     3        1.0428             nan     0.0552    0.0086
     4        1.0293             nan     0.0552    0.0064
     5        1.0143             nan     0.0552    0.0076
     6        1.0010             nan     0.0552    0.0068
     7        0.9905             nan     0.0552    0.0055
     8        0.9783             nan     0.0552    0.0060
     9        0.9675             nan     0.0552    0.0054
    10        0.9592             nan     0.0552    0.0042
    20        0.8840             nan     0.0552    0.0030
    40        0.8007             nan     0.0552    0.0014
    60        0.7534             nan     0.0552    0.0009
    80        0.7221             nan     0.0552    0.0007
   100        0.6992             nan     0.0552    0.0003
   120        0.6817             nan     0.0552    0.0004
   140        0.6691             nan     0.0552    0.0002
   160        0.6588             nan     0.0552    0.0001
   180        0.6514             nan     0.0552    0.0001
   200        0.6449             nan     0.0552    0.0001
   220        0.6394             nan     0.0552    0.0001
   240        0.6349             nan     0.0552    0.0000
   260        0.6312             nan     0.0552    0.0000
   280        0.6281             nan     0.0552    0.0001
   300        0.6254             nan     0.0552    0.0000
   320        0.6227             nan     0.0552    0.0000
   340        0.6204             nan     0.0552    0.0000
   360        0.6185             nan     0.0552    0.0001
   380        0.6163             nan     0.0552    0.0000
   400        0.6144             nan     0.0552    0.0000
   420        0.6125             nan     0.0552    0.0000
   440        0.6106             nan     0.0552    0.0000
   460        0.6093             nan     0.0552    0.0000
   480        0.6079             nan     0.0552    0.0000
   500        0.6066             nan     0.0552    0.0000
   520        0.6056             nan     0.0552    0.0000
   540        0.6045             nan     0.0552    0.0000
   560        0.6033             nan     0.0552   -0.0000
   580        0.6024             nan     0.0552   -0.0000
   600        0.6014             nan     0.0552    0.0000
   620        0.6005             nan     0.0552   -0.0000
   640        0.5995             nan     0.0552    0.0000
   660        0.5985             nan     0.0552    0.0001
   680        0.5979             nan     0.0552   -0.0000
   700        0.5973             nan     0.0552   -0.0000
   720        0.5967             nan     0.0552   -0.0000
   740        0.5961             nan     0.0552   -0.0000
   760        0.5955             nan     0.0552   -0.0000
   780        0.5949             nan     0.0552   -0.0000
   800        0.5943             nan     0.0552   -0.0000
   820        0.5938             nan     0.0552   -0.0000
   840        0.5933             nan     0.0552   -0.0000
   860        0.5929             nan     0.0552   -0.0000
   880        0.5924             nan     0.0552   -0.0000
   900        0.5920             nan     0.0552   -0.0000
   920        0.5914             nan     0.0552    0.0000
   940        0.5910             nan     0.0552   -0.0000
   956        0.5906             nan     0.0552   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0695             nan     0.0555    0.0150
     2        1.0434             nan     0.0555    0.0129
     3        1.0206             nan     0.0555    0.0111
     4        0.9999             nan     0.0555    0.0104
     5        0.9810             nan     0.0555    0.0093
     6        0.9642             nan     0.0555    0.0082
     7        0.9491             nan     0.0555    0.0074
     8        0.9316             nan     0.0555    0.0086
     9        0.9161             nan     0.0555    0.0077
    10        0.9024             nan     0.0555    0.0070
    20        0.8176             nan     0.0555    0.0029
    40        0.7326             nan     0.0555    0.0014
    60        0.6900             nan     0.0555    0.0010
    80        0.6644             nan     0.0555    0.0005
   100        0.6480             nan     0.0555    0.0004
   120        0.6372             nan     0.0555    0.0002
   140        0.6288             nan     0.0555    0.0001
   160        0.6228             nan     0.0555    0.0001
   180        0.6177             nan     0.0555    0.0001
   200        0.6130             nan     0.0555    0.0000
   220        0.6094             nan     0.0555    0.0000
   240        0.6068             nan     0.0555    0.0001
   260        0.6039             nan     0.0555   -0.0000
   280        0.6009             nan     0.0555    0.0001
   300        0.5990             nan     0.0555   -0.0000
   320        0.5970             nan     0.0555   -0.0000
   340        0.5948             nan     0.0555    0.0000
   360        0.5932             nan     0.0555   -0.0000
   380        0.5913             nan     0.0555   -0.0000
   400        0.5900             nan     0.0555    0.0000
   420        0.5884             nan     0.0555   -0.0000
   440        0.5871             nan     0.0555   -0.0000
   460        0.5859             nan     0.0555   -0.0000
   480        0.5848             nan     0.0555   -0.0000
   493        0.5841             nan     0.0555   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0586             nan     0.0614    0.0210
     2        1.0229             nan     0.0614    0.0180
     3        0.9928             nan     0.0614    0.0153
     4        0.9660             nan     0.0614    0.0130
     5        0.9419             nan     0.0614    0.0119
     6        0.9213             nan     0.0614    0.0102
     7        0.9026             nan     0.0614    0.0091
     8        0.8848             nan     0.0614    0.0088
     9        0.8703             nan     0.0614    0.0072
    10        0.8561             nan     0.0614    0.0069
    20        0.7618             nan     0.0614    0.0033
    40        0.6785             nan     0.0614    0.0014
    60        0.6426             nan     0.0614    0.0005
    80        0.6239             nan     0.0614    0.0003
   100        0.6132             nan     0.0614    0.0001
   120        0.6053             nan     0.0614    0.0002
   140        0.5997             nan     0.0614    0.0002
   160        0.5947             nan     0.0614   -0.0000
   180        0.5908             nan     0.0614   -0.0000
   200        0.5873             nan     0.0614    0.0000
   220        0.5846             nan     0.0614   -0.0000
   240        0.5817             nan     0.0614   -0.0000
   260        0.5787             nan     0.0614    0.0001
   280        0.5760             nan     0.0614   -0.0001
   300        0.5735             nan     0.0614   -0.0000
   320        0.5717             nan     0.0614   -0.0000
   340        0.5699             nan     0.0614   -0.0000
   360        0.5678             nan     0.0614   -0.0000
   380        0.5663             nan     0.0614   -0.0000
   400        0.5648             nan     0.0614   -0.0000
   420        0.5632             nan     0.0614    0.0000
   436        0.5622             nan     0.0614    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0550             nan     0.0636    0.0227
     2        1.0172             nan     0.0636    0.0196
     3        0.9848             nan     0.0636    0.0162
     4        0.9564             nan     0.0636    0.0141
     5        0.9312             nan     0.0636    0.0124
     6        0.9087             nan     0.0636    0.0110
     7        0.8892             nan     0.0636    0.0095
     8        0.8717             nan     0.0636    0.0088
     9        0.8559             nan     0.0636    0.0077
    10        0.8412             nan     0.0636    0.0071
    20        0.7428             nan     0.0636    0.0038
    40        0.6629             nan     0.0636    0.0011
    60        0.6282             nan     0.0636    0.0005
    80        0.6093             nan     0.0636    0.0003
   100        0.5969             nan     0.0636    0.0001
   120        0.5891             nan     0.0636    0.0002
   140        0.5812             nan     0.0636   -0.0000
   160        0.5752             nan     0.0636    0.0002
   180        0.5697             nan     0.0636    0.0000
   200        0.5656             nan     0.0636   -0.0001
   220        0.5618             nan     0.0636   -0.0000
   240        0.5581             nan     0.0636   -0.0000
   260        0.5555             nan     0.0636   -0.0001
   280        0.5518             nan     0.0636   -0.0001
   300        0.5491             nan     0.0636   -0.0001
   320        0.5466             nan     0.0636   -0.0000
   340        0.5437             nan     0.0636   -0.0000
   360        0.5416             nan     0.0636   -0.0000
   380        0.5388             nan     0.0636   -0.0000
   400        0.5367             nan     0.0636   -0.0000
   420        0.5344             nan     0.0636   -0.0001
   440        0.5323             nan     0.0636   -0.0000
   460        0.5301             nan     0.0636   -0.0001
   480        0.5281             nan     0.0636   -0.0001
   500        0.5260             nan     0.0636   -0.0000
   520        0.5242             nan     0.0636   -0.0000
   540        0.5223             nan     0.0636   -0.0001
   560        0.5203             nan     0.0636   -0.0001
   580        0.5190             nan     0.0636   -0.0000
   586        0.5186             nan     0.0636   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0541             nan     0.0644    0.0230
     2        1.0157             nan     0.0644    0.0192
     3        0.9825             nan     0.0644    0.0164
     4        0.9539             nan     0.0644    0.0141
     5        0.9292             nan     0.0644    0.0123
     6        0.9069             nan     0.0644    0.0108
     7        0.8871             nan     0.0644    0.0098
     8        0.8696             nan     0.0644    0.0086
     9        0.8544             nan     0.0644    0.0078
    10        0.8399             nan     0.0644    0.0070
    20        0.7422             nan     0.0644    0.0038
    40        0.6605             nan     0.0644    0.0009
    60        0.6279             nan     0.0644    0.0004
    80        0.6089             nan     0.0644    0.0002
   100        0.5979             nan     0.0644    0.0000
   120        0.5887             nan     0.0644    0.0001
   140        0.5824             nan     0.0644   -0.0000
   160        0.5762             nan     0.0644    0.0002
   180        0.5722             nan     0.0644    0.0000
   200        0.5681             nan     0.0644    0.0000
   220        0.5647             nan     0.0644   -0.0001
   240        0.5609             nan     0.0644   -0.0001
   260        0.5571             nan     0.0644   -0.0001
   280        0.5543             nan     0.0644   -0.0000
   300        0.5519             nan     0.0644    0.0001
   320        0.5496             nan     0.0644   -0.0001
   340        0.5472             nan     0.0644   -0.0000
   360        0.5452             nan     0.0644   -0.0000
   380        0.5434             nan     0.0644   -0.0001
   400        0.5414             nan     0.0644   -0.0001
   420        0.5394             nan     0.0644   -0.0000
   440        0.5377             nan     0.0644   -0.0001
   460        0.5362             nan     0.0644   -0.0001
   480        0.5346             nan     0.0644   -0.0001
   500        0.5327             nan     0.0644    0.0000
   520        0.5312             nan     0.0644   -0.0001
   540        0.5295             nan     0.0644   -0.0000
   560        0.5277             nan     0.0644    0.0001
   580        0.5264             nan     0.0644   -0.0001
   600        0.5250             nan     0.0644   -0.0001
   620        0.5233             nan     0.0644   -0.0001
   640        0.5219             nan     0.0644   -0.0000
   660        0.5202             nan     0.0644   -0.0001
   680        0.5185             nan     0.0644   -0.0001
   700        0.5171             nan     0.0644   -0.0001
   720        0.5159             nan     0.0644   -0.0001
   740        0.5149             nan     0.0644   -0.0000
   760        0.5138             nan     0.0644   -0.0001
   780        0.5126             nan     0.0644   -0.0000
   800        0.5112             nan     0.0644   -0.0001
   820        0.5101             nan     0.0644   -0.0000
   840        0.5091             nan     0.0644   -0.0000
   860        0.5082             nan     0.0644   -0.0001
   880        0.5073             nan     0.0644   -0.0001
   897        0.5063             nan     0.0644   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0568             nan     0.0662    0.0222
     2        1.0190             nan     0.0662    0.0193
     3        0.9877             nan     0.0662    0.0158
     4        0.9592             nan     0.0662    0.0142
     5        0.9348             nan     0.0662    0.0122
     6        0.9132             nan     0.0662    0.0106
     7        0.8934             nan     0.0662    0.0095
     8        0.8758             nan     0.0662    0.0088
     9        0.8609             nan     0.0662    0.0074
    10        0.8462             nan     0.0662    0.0072
    20        0.7513             nan     0.0662    0.0036
    40        0.6691             nan     0.0662    0.0009
    60        0.6366             nan     0.0662    0.0005
    80        0.6199             nan     0.0662    0.0002
   100        0.6094             nan     0.0662    0.0001
   120        0.6021             nan     0.0662    0.0001
   140        0.5964             nan     0.0662   -0.0000
   160        0.5921             nan     0.0662    0.0001
   180        0.5882             nan     0.0662    0.0000
   200        0.5852             nan     0.0662   -0.0001
   220        0.5820             nan     0.0662   -0.0000
   240        0.5788             nan     0.0662   -0.0000
   260        0.5766             nan     0.0662   -0.0001
   280        0.5744             nan     0.0662   -0.0000
   300        0.5722             nan     0.0662   -0.0000
   320        0.5700             nan     0.0662   -0.0001
   340        0.5680             nan     0.0662   -0.0000
   354        0.5668             nan     0.0662   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0551             nan     0.0663    0.0228
     2        1.0162             nan     0.0663    0.0193
     3        0.9841             nan     0.0663    0.0159
     4        0.9564             nan     0.0663    0.0135
     5        0.9320             nan     0.0663    0.0121
     6        0.9103             nan     0.0663    0.0108
     7        0.8913             nan     0.0663    0.0093
     8        0.8739             nan     0.0663    0.0085
     9        0.8586             nan     0.0663    0.0074
    10        0.8445             nan     0.0663    0.0072
    20        0.7500             nan     0.0663    0.0034
    40        0.6708             nan     0.0663    0.0013
    60        0.6350             nan     0.0663    0.0007
    80        0.6175             nan     0.0663    0.0003
   100        0.6048             nan     0.0663    0.0001
   120        0.5953             nan     0.0663    0.0000
   140        0.5870             nan     0.0663    0.0000
   160        0.5813             nan     0.0663    0.0000
   180        0.5765             nan     0.0663   -0.0001
   200        0.5723             nan     0.0663    0.0000
   220        0.5689             nan     0.0663   -0.0000
   240        0.5649             nan     0.0663   -0.0001
   260        0.5619             nan     0.0663    0.0001
   280        0.5592             nan     0.0663   -0.0001
   300        0.5565             nan     0.0663   -0.0000
   320        0.5540             nan     0.0663   -0.0000
   340        0.5514             nan     0.0663   -0.0001
   355        0.5497             nan     0.0663   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0633             nan     0.0685    0.0185
     2        1.0315             nan     0.0685    0.0154
     3        1.0048             nan     0.0685    0.0131
     4        0.9808             nan     0.0685    0.0119
     5        0.9604             nan     0.0685    0.0102
     6        0.9371             nan     0.0685    0.0116
     7        0.9176             nan     0.0685    0.0098
     8        0.9001             nan     0.0685    0.0088
     9        0.8864             nan     0.0685    0.0066
    10        0.8741             nan     0.0685    0.0061
    20        0.7907             nan     0.0685    0.0030
    40        0.7085             nan     0.0685    0.0012
    60        0.6687             nan     0.0685    0.0004
    80        0.6474             nan     0.0685    0.0004
   100        0.6345             nan     0.0685    0.0002
   120        0.6256             nan     0.0685    0.0001
   140        0.6197             nan     0.0685    0.0000
   160        0.6144             nan     0.0685    0.0001
   180        0.6093             nan     0.0685    0.0001
   200        0.6059             nan     0.0685    0.0000
   220        0.6030             nan     0.0685   -0.0000
   240        0.6003             nan     0.0685    0.0000
   260        0.5983             nan     0.0685   -0.0000
   280        0.5963             nan     0.0685   -0.0000
   300        0.5940             nan     0.0685    0.0000
   320        0.5924             nan     0.0685   -0.0000
   340        0.5905             nan     0.0685   -0.0000
   360        0.5891             nan     0.0685    0.0000
   380        0.5878             nan     0.0685    0.0001
   400        0.5863             nan     0.0685   -0.0001
   406        0.5859             nan     0.0685   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0633             nan     0.0687    0.0182
     2        1.0325             nan     0.0687    0.0155
     3        1.0057             nan     0.0687    0.0130
     4        0.9816             nan     0.0687    0.0119
     5        0.9615             nan     0.0687    0.0106
     6        0.9393             nan     0.0687    0.0114
     7        0.9228             nan     0.0687    0.0084
     8        0.9046             nan     0.0687    0.0089
     9        0.8891             nan     0.0687    0.0079
    10        0.8767             nan     0.0687    0.0065
    20        0.7914             nan     0.0687    0.0033
    40        0.7109             nan     0.0687    0.0018
    60        0.6707             nan     0.0687    0.0005
    80        0.6489             nan     0.0687    0.0002
   100        0.6355             nan     0.0687    0.0001
   120        0.6260             nan     0.0687    0.0001
   140        0.6193             nan     0.0687   -0.0001
   160        0.6141             nan     0.0687    0.0000
   180        0.6094             nan     0.0687    0.0000
   200        0.6040             nan     0.0687    0.0001
   220        0.6007             nan     0.0687   -0.0001
   240        0.5979             nan     0.0687   -0.0000
   260        0.5952             nan     0.0687   -0.0000
   280        0.5924             nan     0.0687    0.0001
   300        0.5895             nan     0.0687   -0.0000
   320        0.5877             nan     0.0687   -0.0000
   340        0.5859             nan     0.0687   -0.0000
   360        0.5839             nan     0.0687   -0.0000
   380        0.5822             nan     0.0687   -0.0000
   400        0.5805             nan     0.0687   -0.0000
   420        0.5792             nan     0.0687   -0.0000
   440        0.5779             nan     0.0687   -0.0000
   460        0.5764             nan     0.0687   -0.0000
   480        0.5747             nan     0.0687   -0.0000
   500        0.5730             nan     0.0687   -0.0000
   520        0.5717             nan     0.0687    0.0000
   540        0.5704             nan     0.0687   -0.0000
   560        0.5688             nan     0.0687   -0.0000
   580        0.5674             nan     0.0687    0.0000
   600        0.5664             nan     0.0687   -0.0000
   620        0.5652             nan     0.0687   -0.0000
   640        0.5642             nan     0.0687   -0.0000
   660        0.5632             nan     0.0687   -0.0000
   680        0.5619             nan     0.0687   -0.0001
   700        0.5609             nan     0.0687   -0.0000
   720        0.5595             nan     0.0687    0.0000
   740        0.5585             nan     0.0687   -0.0000
   760        0.5574             nan     0.0687   -0.0000
   780        0.5563             nan     0.0687   -0.0001
   800        0.5555             nan     0.0687   -0.0000
   820        0.5547             nan     0.0687   -0.0000
   840        0.5538             nan     0.0687   -0.0001
   860        0.5531             nan     0.0687   -0.0000
   880        0.5525             nan     0.0687   -0.0000
   881        0.5524             nan     0.0687   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0728             nan     0.0697    0.0135
     2        1.0494             nan     0.0697    0.0116
     3        1.0284             nan     0.0697    0.0099
     4        1.0121             nan     0.0697    0.0080
     5        0.9948             nan     0.0697    0.0085
     6        0.9824             nan     0.0697    0.0061
     7        0.9674             nan     0.0697    0.0073
     8        0.9545             nan     0.0697    0.0063
     9        0.9444             nan     0.0697    0.0048
    10        0.9328             nan     0.0697    0.0057
    20        0.8540             nan     0.0697    0.0035
    40        0.7720             nan     0.0697    0.0014
    60        0.7263             nan     0.0697    0.0011
    80        0.6985             nan     0.0697    0.0006
   100        0.6770             nan     0.0697    0.0005
   120        0.6628             nan     0.0697    0.0003
   140        0.6520             nan     0.0697    0.0001
   160        0.6445             nan     0.0697    0.0001
   180        0.6383             nan     0.0697    0.0001
   200        0.6330             nan     0.0697    0.0000
   220        0.6286             nan     0.0697    0.0000
   240        0.6248             nan     0.0697    0.0002
   260        0.6219             nan     0.0697    0.0000
   280        0.6192             nan     0.0697    0.0000
   300        0.6162             nan     0.0697    0.0000
   320        0.6138             nan     0.0697    0.0000
   340        0.6115             nan     0.0697    0.0000
   360        0.6098             nan     0.0697    0.0000
   380        0.6077             nan     0.0697    0.0000
   400        0.6061             nan     0.0697    0.0000
   420        0.6044             nan     0.0697   -0.0000
   440        0.6032             nan     0.0697   -0.0000
   460        0.6019             nan     0.0697   -0.0000
   480        0.6006             nan     0.0697    0.0000
   500        0.5994             nan     0.0697   -0.0000
   520        0.5985             nan     0.0697   -0.0000
   540        0.5978             nan     0.0697   -0.0000
   545        0.5975             nan     0.0697   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0488             nan     0.0714    0.0258
     2        1.0073             nan     0.0714    0.0207
     3        0.9720             nan     0.0714    0.0176
     4        0.9426             nan     0.0714    0.0149
     5        0.9164             nan     0.0714    0.0129
     6        0.8940             nan     0.0714    0.0111
     7        0.8730             nan     0.0714    0.0105
     8        0.8552             nan     0.0714    0.0088
     9        0.8392             nan     0.0714    0.0078
    10        0.8257             nan     0.0714    0.0068
    20        0.7281             nan     0.0714    0.0030
    40        0.6519             nan     0.0714    0.0011
    60        0.6204             nan     0.0714    0.0005
    80        0.6029             nan     0.0714    0.0005
   100        0.5907             nan     0.0714    0.0001
   120        0.5841             nan     0.0714    0.0000
   140        0.5779             nan     0.0714    0.0001
   160        0.5732             nan     0.0714    0.0000
   180        0.5688             nan     0.0714    0.0001
   200        0.5644             nan     0.0714   -0.0000
   220        0.5615             nan     0.0714   -0.0001
   240        0.5578             nan     0.0714   -0.0001
   260        0.5546             nan     0.0714   -0.0001
   280        0.5517             nan     0.0714   -0.0001
   300        0.5492             nan     0.0714   -0.0001
   320        0.5467             nan     0.0714   -0.0000
   340        0.5441             nan     0.0714   -0.0000
   360        0.5419             nan     0.0714   -0.0001
   380        0.5398             nan     0.0714   -0.0001
   400        0.5374             nan     0.0714   -0.0000
   420        0.5354             nan     0.0714   -0.0001
   440        0.5331             nan     0.0714    0.0001
   460        0.5314             nan     0.0714   -0.0001
   473        0.5303             nan     0.0714   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0609             nan     0.0743    0.0199
     2        1.0274             nan     0.0743    0.0162
     3        0.9990             nan     0.0743    0.0141
     4        0.9737             nan     0.0743    0.0126
     5        0.9477             nan     0.0743    0.0129
     6        0.9254             nan     0.0743    0.0112
     7        0.9060             nan     0.0743    0.0094
     8        0.8893             nan     0.0743    0.0083
     9        0.8756             nan     0.0743    0.0067
    10        0.8628             nan     0.0743    0.0062
    20        0.7796             nan     0.0743    0.0027
    40        0.6988             nan     0.0743    0.0011
    60        0.6616             nan     0.0743    0.0006
    80        0.6423             nan     0.0743    0.0003
   100        0.6303             nan     0.0743    0.0000
   120        0.6220             nan     0.0743    0.0001
   140        0.6157             nan     0.0743    0.0001
   160        0.6100             nan     0.0743    0.0002
   180        0.6054             nan     0.0743   -0.0000
   185        0.6046             nan     0.0743    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0484             nan     0.0751    0.0258
     2        1.0074             nan     0.0751    0.0209
     3        0.9729             nan     0.0751    0.0173
     4        0.9433             nan     0.0751    0.0149
     5        0.9175             nan     0.0751    0.0126
     6        0.8952             nan     0.0751    0.0108
     7        0.8751             nan     0.0751    0.0100
     8        0.8571             nan     0.0751    0.0090
     9        0.8420             nan     0.0751    0.0072
    10        0.8284             nan     0.0751    0.0066
    20        0.7348             nan     0.0751    0.0036
    40        0.6580             nan     0.0751    0.0009
    60        0.6267             nan     0.0751    0.0001
    80        0.6097             nan     0.0751    0.0003
   100        0.5978             nan     0.0751    0.0000
   120        0.5896             nan     0.0751    0.0001
   140        0.5838             nan     0.0751   -0.0000
   160        0.5771             nan     0.0751   -0.0000
   180        0.5717             nan     0.0751    0.0002
   200        0.5677             nan     0.0751   -0.0001
   220        0.5630             nan     0.0751   -0.0000
   225        0.5623             nan     0.0751   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0593             nan     0.0773    0.0204
     2        1.0250             nan     0.0773    0.0169
     3        0.9955             nan     0.0773    0.0145
     4        0.9711             nan     0.0773    0.0123
     5        0.9437             nan     0.0773    0.0137
     6        0.9211             nan     0.0773    0.0114
     7        0.9021             nan     0.0773    0.0096
     8        0.8871             nan     0.0773    0.0074
     9        0.8727             nan     0.0773    0.0072
    10        0.8584             nan     0.0773    0.0072
    20        0.7767             nan     0.0773    0.0032
    40        0.6948             nan     0.0773    0.0015
    60        0.6598             nan     0.0773    0.0005
    80        0.6401             nan     0.0773    0.0003
   100        0.6289             nan     0.0773    0.0001
   120        0.6211             nan     0.0773    0.0001
   140        0.6141             nan     0.0773    0.0001
   160        0.6096             nan     0.0773    0.0000
   180        0.6050             nan     0.0773   -0.0000
   200        0.6011             nan     0.0773   -0.0000
   220        0.5979             nan     0.0773   -0.0000
   240        0.5951             nan     0.0773    0.0001
   260        0.5926             nan     0.0773   -0.0000
   280        0.5908             nan     0.0773   -0.0000
   300        0.5889             nan     0.0773    0.0000
   320        0.5870             nan     0.0773   -0.0000
   340        0.5851             nan     0.0773   -0.0000
   360        0.5833             nan     0.0773    0.0000
   380        0.5820             nan     0.0773   -0.0000
   400        0.5806             nan     0.0773    0.0000
   420        0.5789             nan     0.0773   -0.0000
   440        0.5777             nan     0.0773   -0.0001
   460        0.5767             nan     0.0773   -0.0000
   480        0.5755             nan     0.0773   -0.0000
   500        0.5745             nan     0.0773   -0.0001
   520        0.5731             nan     0.0773    0.0000
   540        0.5720             nan     0.0773   -0.0001
   560        0.5709             nan     0.0773   -0.0000
   580        0.5702             nan     0.0773   -0.0001
   600        0.5695             nan     0.0773   -0.0000
   606        0.5693             nan     0.0773   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0698             nan     0.0774    0.0149
     2        1.0437             nan     0.0774    0.0126
     3        1.0225             nan     0.0774    0.0107
     4        1.0049             nan     0.0774    0.0082
     5        0.9871             nan     0.0774    0.0090
     6        0.9740             nan     0.0774    0.0064
     7        0.9591             nan     0.0774    0.0076
     8        0.9456             nan     0.0774    0.0066
     9        0.9326             nan     0.0774    0.0065
    10        0.9225             nan     0.0774    0.0048
    20        0.8416             nan     0.0774    0.0030
    40        0.7589             nan     0.0774    0.0012
    60        0.7162             nan     0.0774    0.0008
    80        0.6869             nan     0.0774    0.0006
   100        0.6674             nan     0.0774    0.0002
   120        0.6551             nan     0.0774    0.0004
   140        0.6452             nan     0.0774    0.0001
   160        0.6382             nan     0.0774    0.0001
   180        0.6332             nan     0.0774   -0.0000
   200        0.6283             nan     0.0774    0.0000
   220        0.6239             nan     0.0774    0.0002
   240        0.6208             nan     0.0774   -0.0000
   260        0.6175             nan     0.0774    0.0000
   280        0.6149             nan     0.0774    0.0000
   300        0.6125             nan     0.0774    0.0000
   320        0.6102             nan     0.0774    0.0000
   340        0.6085             nan     0.0774    0.0000
   360        0.6064             nan     0.0774   -0.0000
   380        0.6051             nan     0.0774   -0.0000
   400        0.6032             nan     0.0774    0.0000
   420        0.6017             nan     0.0774    0.0001
   440        0.6006             nan     0.0774    0.0000
   460        0.5993             nan     0.0774   -0.0000
   480        0.5985             nan     0.0774   -0.0000
   500        0.5977             nan     0.0774   -0.0000
   520        0.5970             nan     0.0774   -0.0000
   540        0.5962             nan     0.0774   -0.0000
   560        0.5955             nan     0.0774   -0.0001
   580        0.5948             nan     0.0774   -0.0000
   600        0.5939             nan     0.0774   -0.0000
   620        0.5930             nan     0.0774   -0.0000
   640        0.5924             nan     0.0774    0.0000
   660        0.5919             nan     0.0774   -0.0000
   680        0.5909             nan     0.0774   -0.0000
   700        0.5904             nan     0.0774   -0.0000
   720        0.5899             nan     0.0774   -0.0000
   735        0.5894             nan     0.0774   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0465             nan     0.0790    0.0268
     2        1.0043             nan     0.0790    0.0218
     3        0.9684             nan     0.0790    0.0180
     4        0.9375             nan     0.0790    0.0151
     5        0.9114             nan     0.0790    0.0129
     6        0.8887             nan     0.0790    0.0113
     7        0.8684             nan     0.0790    0.0101
     8        0.8506             nan     0.0790    0.0088
     9        0.8348             nan     0.0790    0.0077
    10        0.8208             nan     0.0790    0.0066
    20        0.7289             nan     0.0790    0.0033
    40        0.6569             nan     0.0790    0.0011
    60        0.6259             nan     0.0790    0.0003
    80        0.6094             nan     0.0790    0.0001
   100        0.5991             nan     0.0790    0.0001
   120        0.5911             nan     0.0790    0.0000
   140        0.5852             nan     0.0790    0.0000
   160        0.5805             nan     0.0790   -0.0000
   180        0.5767             nan     0.0790   -0.0000
   200        0.5721             nan     0.0790   -0.0000
   220        0.5688             nan     0.0790   -0.0001
   240        0.5660             nan     0.0790   -0.0000
   260        0.5629             nan     0.0790   -0.0000
   280        0.5596             nan     0.0790    0.0001
   300        0.5577             nan     0.0790   -0.0001
   320        0.5552             nan     0.0790   -0.0000
   340        0.5527             nan     0.0790   -0.0000
   360        0.5505             nan     0.0790   -0.0000
   380        0.5486             nan     0.0790   -0.0000
   388        0.5480             nan     0.0790   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0574             nan     0.0803    0.0212
     2        1.0217             nan     0.0803    0.0171
     3        0.9917             nan     0.0803    0.0150
     4        0.9671             nan     0.0803    0.0126
     5        0.9392             nan     0.0803    0.0136
     6        0.9161             nan     0.0803    0.0115
     7        0.8965             nan     0.0803    0.0099
     8        0.8797             nan     0.0803    0.0084
     9        0.8663             nan     0.0803    0.0069
    10        0.8527             nan     0.0803    0.0068
    20        0.7712             nan     0.0803    0.0035
    40        0.6922             nan     0.0803    0.0010
    60        0.6573             nan     0.0803    0.0007
    80        0.6395             nan     0.0803    0.0002
   100        0.6282             nan     0.0803    0.0001
   120        0.6201             nan     0.0803    0.0001
   140        0.6140             nan     0.0803    0.0001
   160        0.6086             nan     0.0803   -0.0000
   180        0.6047             nan     0.0803    0.0000
   200        0.6006             nan     0.0803    0.0001
   220        0.5967             nan     0.0803   -0.0000
   240        0.5939             nan     0.0803    0.0000
   260        0.5917             nan     0.0803    0.0000
   270        0.5903             nan     0.0803   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0507             nan     0.0808    0.0244
     2        1.0109             nan     0.0808    0.0202
     3        0.9754             nan     0.0808    0.0185
     4        0.9462             nan     0.0808    0.0143
     5        0.9202             nan     0.0808    0.0129
     6        0.8978             nan     0.0808    0.0108
     7        0.8794             nan     0.0808    0.0092
     8        0.8600             nan     0.0808    0.0094
     9        0.8436             nan     0.0808    0.0084
    10        0.8288             nan     0.0808    0.0076
    20        0.7420             nan     0.0808    0.0033
    40        0.6668             nan     0.0808    0.0009
    60        0.6365             nan     0.0808    0.0004
    80        0.6198             nan     0.0808    0.0002
   100        0.6083             nan     0.0808    0.0002
   120        0.6003             nan     0.0808    0.0001
   140        0.5934             nan     0.0808    0.0001
   160        0.5886             nan     0.0808    0.0000
   180        0.5846             nan     0.0808   -0.0000
   200        0.5811             nan     0.0808    0.0000
   220        0.5786             nan     0.0808   -0.0001
   240        0.5752             nan     0.0808   -0.0000
   260        0.5729             nan     0.0808   -0.0000
   280        0.5701             nan     0.0808    0.0000
   300        0.5679             nan     0.0808   -0.0000
   320        0.5658             nan     0.0808    0.0000
   340        0.5639             nan     0.0808   -0.0000
   360        0.5617             nan     0.0808   -0.0000
   380        0.5600             nan     0.0808   -0.0001
   400        0.5577             nan     0.0808   -0.0000
   420        0.5557             nan     0.0808   -0.0000
   440        0.5543             nan     0.0808   -0.0000
   460        0.5531             nan     0.0808   -0.0001
   480        0.5518             nan     0.0808   -0.0000
   500        0.5501             nan     0.0808   -0.0000
   520        0.5484             nan     0.0808   -0.0001
   540        0.5474             nan     0.0808   -0.0001
   560        0.5463             nan     0.0808   -0.0001
   580        0.5451             nan     0.0808   -0.0000
   600        0.5438             nan     0.0808   -0.0000
   620        0.5427             nan     0.0808   -0.0000
   640        0.5417             nan     0.0808   -0.0000
   660        0.5404             nan     0.0808   -0.0001
   680        0.5390             nan     0.0808   -0.0000
   700        0.5379             nan     0.0808   -0.0001
   720        0.5369             nan     0.0808   -0.0000
   723        0.5368             nan     0.0808   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0492             nan     0.0838    0.0251
     2        1.0058             nan     0.0838    0.0210
     3        0.9711             nan     0.0838    0.0174
     4        0.9427             nan     0.0838    0.0143
     5        0.9158             nan     0.0838    0.0136
     6        0.8936             nan     0.0838    0.0112
     7        0.8722             nan     0.0838    0.0105
     8        0.8559             nan     0.0838    0.0079
     9        0.8388             nan     0.0838    0.0087
    10        0.8235             nan     0.0838    0.0074
    20        0.7362             nan     0.0838    0.0028
    40        0.6631             nan     0.0838    0.0010
    60        0.6356             nan     0.0838    0.0003
    80        0.6205             nan     0.0838    0.0000
   100        0.6106             nan     0.0838    0.0001
   120        0.6046             nan     0.0838    0.0000
   123        0.6036             nan     0.0838    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0417             nan     0.0840    0.0301
     2        0.9935             nan     0.0840    0.0234
     3        0.9549             nan     0.0840    0.0189
     4        0.9218             nan     0.0840    0.0161
     5        0.8941             nan     0.0840    0.0136
     6        0.8709             nan     0.0840    0.0116
     7        0.8502             nan     0.0840    0.0102
     8        0.8325             nan     0.0840    0.0087
     9        0.8170             nan     0.0840    0.0075
    10        0.8024             nan     0.0840    0.0069
    20        0.7069             nan     0.0840    0.0030
    40        0.6395             nan     0.0840    0.0010
    60        0.6112             nan     0.0840    0.0004
    80        0.5956             nan     0.0840    0.0001
   100        0.5850             nan     0.0840    0.0000
   120        0.5782             nan     0.0840    0.0001
   140        0.5719             nan     0.0840    0.0002
   160        0.5665             nan     0.0840   -0.0000
   180        0.5617             nan     0.0840    0.0000
   200        0.5575             nan     0.0840   -0.0001
   220        0.5545             nan     0.0840   -0.0001
   240        0.5515             nan     0.0840   -0.0000
   260        0.5486             nan     0.0840   -0.0000
   280        0.5465             nan     0.0840   -0.0002
   300        0.5439             nan     0.0840   -0.0000
   320        0.5412             nan     0.0840    0.0000
   340        0.5383             nan     0.0840   -0.0000
   360        0.5359             nan     0.0840   -0.0001
   380        0.5338             nan     0.0840   -0.0000
   400        0.5320             nan     0.0840   -0.0001
   420        0.5304             nan     0.0840   -0.0001
   440        0.5287             nan     0.0840   -0.0001
   460        0.5268             nan     0.0840   -0.0001
   480        0.5252             nan     0.0840   -0.0001
   500        0.5235             nan     0.0840   -0.0001
   520        0.5212             nan     0.0840   -0.0001
   540        0.5196             nan     0.0840   -0.0001
   560        0.5176             nan     0.0840   -0.0001
   580        0.5159             nan     0.0840   -0.0001
   600        0.5144             nan     0.0840   -0.0001
   620        0.5129             nan     0.0840   -0.0001
   640        0.5116             nan     0.0840   -0.0002
   660        0.5099             nan     0.0840   -0.0001
   680        0.5084             nan     0.0840   -0.0001
   700        0.5071             nan     0.0840   -0.0001
   720        0.5057             nan     0.0840    0.0000
   740        0.5040             nan     0.0840   -0.0001
   760        0.5027             nan     0.0840   -0.0001
   780        0.5012             nan     0.0840   -0.0001
   800        0.4998             nan     0.0840   -0.0000
   820        0.4983             nan     0.0840   -0.0001
   840        0.4969             nan     0.0840   -0.0001
   860        0.4958             nan     0.0840   -0.0002
   880        0.4947             nan     0.0840   -0.0001
   900        0.4936             nan     0.0840   -0.0000
   920        0.4922             nan     0.0840   -0.0001
   939        0.4912             nan     0.0840   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0407             nan     0.0873    0.0295
     2        0.9949             nan     0.0873    0.0226
     3        0.9557             nan     0.0873    0.0196
     4        0.9242             nan     0.0873    0.0159
     5        0.8977             nan     0.0873    0.0132
     6        0.8748             nan     0.0873    0.0111
     7        0.8550             nan     0.0873    0.0097
     8        0.8383             nan     0.0873    0.0083
     9        0.8235             nan     0.0873    0.0073
    10        0.8075             nan     0.0873    0.0078
    20        0.7163             nan     0.0873    0.0025
    40        0.6458             nan     0.0873    0.0010
    60        0.6179             nan     0.0873    0.0003
    80        0.5999             nan     0.0873    0.0002
   100        0.5903             nan     0.0873    0.0002
   120        0.5843             nan     0.0873   -0.0000
   140        0.5779             nan     0.0873   -0.0000
   160        0.5727             nan     0.0873    0.0002
   180        0.5677             nan     0.0873    0.0000
   200        0.5633             nan     0.0873    0.0000
   220        0.5575             nan     0.0873    0.0003
   240        0.5540             nan     0.0873   -0.0001
   260        0.5504             nan     0.0873   -0.0000
   280        0.5468             nan     0.0873   -0.0000
   300        0.5434             nan     0.0873    0.0000
   320        0.5408             nan     0.0873   -0.0000
   340        0.5372             nan     0.0873   -0.0001
   360        0.5341             nan     0.0873   -0.0000
   380        0.5318             nan     0.0873   -0.0000
   400        0.5290             nan     0.0873   -0.0001
   420        0.5268             nan     0.0873   -0.0000
   440        0.5245             nan     0.0873   -0.0000
   442        0.5244             nan     0.0873   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0535             nan     0.0888    0.0237
     2        1.0152             nan     0.0888    0.0187
     3        0.9834             nan     0.0888    0.0160
     4        0.9515             nan     0.0888    0.0157
     5        0.9274             nan     0.0888    0.0117
     6        0.9035             nan     0.0888    0.0121
     7        0.8836             nan     0.0888    0.0096
     8        0.8691             nan     0.0888    0.0071
     9        0.8551             nan     0.0888    0.0070
    10        0.8405             nan     0.0888    0.0072
    20        0.7579             nan     0.0888    0.0023
    40        0.6806             nan     0.0888    0.0014
    60        0.6490             nan     0.0888    0.0002
    80        0.6323             nan     0.0888    0.0002
   100        0.6210             nan     0.0888    0.0001
   120        0.6135             nan     0.0888    0.0000
   140        0.6071             nan     0.0888    0.0000
   160        0.6023             nan     0.0888    0.0000
   180        0.5981             nan     0.0888   -0.0000
   200        0.5947             nan     0.0888    0.0000
   220        0.5920             nan     0.0888    0.0001
   240        0.5892             nan     0.0888   -0.0000
   260        0.5866             nan     0.0888    0.0000
   280        0.5845             nan     0.0888    0.0000
   300        0.5828             nan     0.0888   -0.0000
   320        0.5810             nan     0.0888   -0.0000
   340        0.5791             nan     0.0888   -0.0001
   346        0.5786             nan     0.0888   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0391             nan     0.0896    0.0302
     2        0.9913             nan     0.0896    0.0233
     3        0.9530             nan     0.0896    0.0188
     4        0.9208             nan     0.0896    0.0159
     5        0.8948             nan     0.0896    0.0134
     6        0.8713             nan     0.0896    0.0115
     7        0.8514             nan     0.0896    0.0101
     8        0.8348             nan     0.0896    0.0084
     9        0.8185             nan     0.0896    0.0082
    10        0.8057             nan     0.0896    0.0065
    20        0.7107             nan     0.0896    0.0032
    40        0.6427             nan     0.0896    0.0010
    60        0.6149             nan     0.0896    0.0003
    80        0.5999             nan     0.0896    0.0001
   100        0.5903             nan     0.0896    0.0000
   120        0.5827             nan     0.0896    0.0000
   140        0.5766             nan     0.0896    0.0000
   160        0.5719             nan     0.0896    0.0001
   180        0.5678             nan     0.0896   -0.0001
   200        0.5644             nan     0.0896   -0.0000
   220        0.5604             nan     0.0896    0.0003
   240        0.5570             nan     0.0896   -0.0001
   256        0.5550             nan     0.0896   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0393             nan     0.0902    0.0311
     2        0.9929             nan     0.0902    0.0238
     3        0.9533             nan     0.0902    0.0197
     4        0.9207             nan     0.0902    0.0163
     5        0.8929             nan     0.0902    0.0137
     6        0.8695             nan     0.0902    0.0114
     7        0.8500             nan     0.0902    0.0099
     8        0.8335             nan     0.0902    0.0081
     9        0.8190             nan     0.0902    0.0070
    10        0.8034             nan     0.0902    0.0079
    20        0.7092             nan     0.0902    0.0036
    40        0.6426             nan     0.0902    0.0007
    60        0.6190             nan     0.0902    0.0005
    80        0.6057             nan     0.0902    0.0001
   100        0.5972             nan     0.0902   -0.0000
   120        0.5909             nan     0.0902   -0.0000
   140        0.5852             nan     0.0902   -0.0000
   160        0.5807             nan     0.0902   -0.0000
   180        0.5770             nan     0.0902   -0.0001
   200        0.5735             nan     0.0902   -0.0000
   220        0.5704             nan     0.0902   -0.0000
   240        0.5673             nan     0.0902   -0.0001
   260        0.5645             nan     0.0902   -0.0001
   280        0.5619             nan     0.0902   -0.0001
   300        0.5597             nan     0.0902   -0.0000
   320        0.5576             nan     0.0902   -0.0001
   340        0.5554             nan     0.0902    0.0001
   360        0.5529             nan     0.0902    0.0000
   380        0.5513             nan     0.0902   -0.0001
   400        0.5490             nan     0.0902   -0.0000
   420        0.5472             nan     0.0902    0.0000
   440        0.5456             nan     0.0902   -0.0001
   460        0.5442             nan     0.0902   -0.0001
   480        0.5430             nan     0.0902   -0.0000
   500        0.5415             nan     0.0902   -0.0001
   520        0.5403             nan     0.0902   -0.0001
   540        0.5391             nan     0.0902   -0.0001
   560        0.5375             nan     0.0902   -0.0001
   580        0.5364             nan     0.0902   -0.0001
   600        0.5351             nan     0.0902   -0.0001
   620        0.5339             nan     0.0902   -0.0001
   640        0.5328             nan     0.0902   -0.0000
   648        0.5323             nan     0.0902    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0409             nan     0.0960    0.0293
     2        0.9956             nan     0.0960    0.0225
     3        0.9556             nan     0.0960    0.0196
     4        0.9244             nan     0.0960    0.0152
     5        0.8945             nan     0.0960    0.0150
     6        0.8728             nan     0.0960    0.0107
     7        0.8532             nan     0.0960    0.0098
     8        0.8341             nan     0.0960    0.0092
     9        0.8173             nan     0.0960    0.0085
    10        0.8022             nan     0.0960    0.0074
    20        0.7174             nan     0.0960    0.0025
    40        0.6510             nan     0.0960    0.0009
    60        0.6244             nan     0.0960    0.0002
    80        0.6092             nan     0.0960    0.0001
   100        0.5996             nan     0.0960   -0.0001
   120        0.5929             nan     0.0960    0.0000
   140        0.5853             nan     0.0960    0.0001
   160        0.5814             nan     0.0960    0.0000
   180        0.5767             nan     0.0960   -0.0000
   200        0.5725             nan     0.0960   -0.0000
   220        0.5691             nan     0.0960    0.0001
   240        0.5660             nan     0.0960   -0.0001
   260        0.5619             nan     0.0960   -0.0001
   280        0.5594             nan     0.0960   -0.0001
   300        0.5575             nan     0.0960   -0.0001
   320        0.5548             nan     0.0960    0.0000
   340        0.5527             nan     0.0960   -0.0001
   360        0.5513             nan     0.0960   -0.0001
   380        0.5493             nan     0.0960   -0.0001
   400        0.5470             nan     0.0960   -0.0001
   420        0.5445             nan     0.0960   -0.0001
   440        0.5424             nan     0.0960   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0630             nan     0.0965    0.0185
     2        1.0331             nan     0.0965    0.0150
     3        1.0088             nan     0.0965    0.0122
     4        0.9876             nan     0.0965    0.0108
     5        0.9670             nan     0.0965    0.0098
     6        0.9521             nan     0.0965    0.0076
     7        0.9359             nan     0.0965    0.0079
     8        0.9246             nan     0.0965    0.0054
     9        0.9093             nan     0.0965    0.0077
    10        0.8972             nan     0.0965    0.0060
    20        0.8140             nan     0.0965    0.0034
    40        0.7345             nan     0.0965    0.0018
    60        0.6934             nan     0.0965    0.0007
    80        0.6676             nan     0.0965    0.0005
   100        0.6530             nan     0.0965    0.0003
   120        0.6424             nan     0.0965    0.0001
   140        0.6347             nan     0.0965    0.0001
   160        0.6285             nan     0.0965    0.0001
   180        0.6234             nan     0.0965   -0.0000
   200        0.6191             nan     0.0965    0.0002
   220        0.6155             nan     0.0965    0.0000
   240        0.6126             nan     0.0965    0.0000
   260        0.6099             nan     0.0965    0.0000
   280        0.6074             nan     0.0965   -0.0000
   300        0.6053             nan     0.0965    0.0001
   320        0.6032             nan     0.0965   -0.0000
   340        0.6016             nan     0.0965   -0.0000
   360        0.6000             nan     0.0965   -0.0000
   380        0.5987             nan     0.0965   -0.0000
   400        0.5975             nan     0.0965    0.0000
   420        0.5963             nan     0.0965   -0.0000
   440        0.5954             nan     0.0965   -0.0001
   460        0.5947             nan     0.0965    0.0000
   480        0.5940             nan     0.0965   -0.0000
   500        0.5929             nan     0.0965    0.0000
   520        0.5918             nan     0.0965   -0.0000
   540        0.5910             nan     0.0965   -0.0000
   560        0.5905             nan     0.0965   -0.0000
   580        0.5899             nan     0.0965   -0.0000
   600        0.5894             nan     0.0965   -0.0001
   620        0.5887             nan     0.0965   -0.0000
   640        0.5880             nan     0.0965   -0.0001
   660        0.5874             nan     0.0965    0.0001
   680        0.5871             nan     0.0965   -0.0000
   700        0.5866             nan     0.0965   -0.0000
   720        0.5862             nan     0.0965   -0.0000
   740        0.5857             nan     0.0965   -0.0001
   759        0.5852             nan     0.0965   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0409             nan     0.0983    0.0299
     2        0.9933             nan     0.0983    0.0234
     3        0.9526             nan     0.0983    0.0199
     4        0.9208             nan     0.0983    0.0157
     5        0.8937             nan     0.0983    0.0134
     6        0.8685             nan     0.0983    0.0126
     7        0.8467             nan     0.0983    0.0108
     8        0.8307             nan     0.0983    0.0079
     9        0.8148             nan     0.0983    0.0080
    10        0.8021             nan     0.0983    0.0063
    20        0.7197             nan     0.0983    0.0023
    40        0.6517             nan     0.0983    0.0008
    60        0.6253             nan     0.0983    0.0002
    80        0.6089             nan     0.0983    0.0002
   100        0.6005             nan     0.0983    0.0001
   120        0.5936             nan     0.0983    0.0000
   140        0.5877             nan     0.0983    0.0000
   160        0.5835             nan     0.0983   -0.0001
   180        0.5795             nan     0.0983    0.0000
   200        0.5751             nan     0.0983    0.0000
   220        0.5718             nan     0.0983   -0.0001
   240        0.5689             nan     0.0983   -0.0000
   260        0.5653             nan     0.0983    0.0001
   280        0.5625             nan     0.0983   -0.0001
   300        0.5605             nan     0.0983   -0.0001
   320        0.5580             nan     0.0983   -0.0000
   336        0.5566             nan     0.0983   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0625             nan     0.1014    0.0194
     2        1.0318             nan     0.1014    0.0156
     3        1.0058             nan     0.1014    0.0127
     4        0.9838             nan     0.1014    0.0107
     5        0.9675             nan     0.1014    0.0084
     6        0.9474             nan     0.1014    0.0098
     7        0.9358             nan     0.1014    0.0058
     8        0.9196             nan     0.1014    0.0080
     9        0.9036             nan     0.1014    0.0077
    10        0.8905             nan     0.1014    0.0064
    20        0.8098             nan     0.1014    0.0025
    40        0.7282             nan     0.1014    0.0010
    60        0.6877             nan     0.1014    0.0008
    80        0.6649             nan     0.1014    0.0003
   100        0.6482             nan     0.1014    0.0003
   120        0.6385             nan     0.1014    0.0001
   140        0.6318             nan     0.1014   -0.0000
   160        0.6258             nan     0.1014    0.0000
   180        0.6219             nan     0.1014   -0.0000
   200        0.6178             nan     0.1014    0.0002
   220        0.6146             nan     0.1014    0.0000
   240        0.6121             nan     0.1014    0.0000
   260        0.6098             nan     0.1014    0.0000
   280        0.6074             nan     0.1014   -0.0000
   300        0.6059             nan     0.1014   -0.0000
   320        0.6045             nan     0.1014    0.0000
   340        0.6028             nan     0.1014   -0.0000
   360        0.6012             nan     0.1014    0.0000
   380        0.6004             nan     0.1014   -0.0000
   400        0.5992             nan     0.1014    0.0000
   420        0.5983             nan     0.1014   -0.0000
   440        0.5974             nan     0.1014    0.0000
   460        0.5966             nan     0.1014    0.0000
   480        0.5956             nan     0.1014   -0.0001
   500        0.5948             nan     0.1014   -0.0000
   520        0.5940             nan     0.1014   -0.0001
   540        0.5934             nan     0.1014   -0.0000
   560        0.5928             nan     0.1014   -0.0000
   580        0.5923             nan     0.1014   -0.0000
   600        0.5918             nan     0.1014   -0.0000
   620        0.5911             nan     0.1014   -0.0000
   640        0.5905             nan     0.1014   -0.0000
   660        0.5900             nan     0.1014    0.0000
   680        0.5896             nan     0.1014   -0.0000
   700        0.5891             nan     0.1014   -0.0000
   720        0.5887             nan     0.1014   -0.0000
   740        0.5883             nan     0.1014   -0.0000
   760        0.5881             nan     0.1014   -0.0000
   780        0.5878             nan     0.1014   -0.0000
   800        0.5875             nan     0.1014   -0.0001
   820        0.5870             nan     0.1014   -0.0000
   840        0.5866             nan     0.1014   -0.0000
   860        0.5864             nan     0.1014   -0.0000
   880        0.5860             nan     0.1014   -0.0000
   896        0.5857             nan     0.1014   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0386             nan     0.1018    0.0310
     2        0.9918             nan     0.1018    0.0237
     3        0.9527             nan     0.1018    0.0196
     4        0.9196             nan     0.1018    0.0162
     5        0.8909             nan     0.1018    0.0141
     6        0.8690             nan     0.1018    0.0112
     7        0.8464             nan     0.1018    0.0111
     8        0.8278             nan     0.1018    0.0091
     9        0.8108             nan     0.1018    0.0081
    10        0.7971             nan     0.1018    0.0066
    20        0.7118             nan     0.1018    0.0029
    40        0.6472             nan     0.1018    0.0009
    60        0.6218             nan     0.1018    0.0002
    80        0.6086             nan     0.1018    0.0000
   100        0.5990             nan     0.1018    0.0003
   120        0.5926             nan     0.1018   -0.0001
   140        0.5868             nan     0.1018    0.0000
   160        0.5821             nan     0.1018    0.0001
   180        0.5785             nan     0.1018   -0.0000
   200        0.5749             nan     0.1018   -0.0000
   220        0.5713             nan     0.1018   -0.0001
   240        0.5686             nan     0.1018   -0.0000
   260        0.5661             nan     0.1018   -0.0000
   280        0.5639             nan     0.1018   -0.0001
   300        0.5618             nan     0.1018   -0.0000
   302        0.5616             nan     0.1018   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0457             nan     0.1024    0.0273
     2        1.0048             nan     0.1024    0.0206
     3        0.9700             nan     0.1024    0.0176
     4        0.9359             nan     0.1024    0.0172
     5        0.9077             nan     0.1024    0.0137
     6        0.8845             nan     0.1024    0.0113
     7        0.8676             nan     0.1024    0.0080
     8        0.8503             nan     0.1024    0.0085
     9        0.8380             nan     0.1024    0.0060
    10        0.8247             nan     0.1024    0.0065
    20        0.7415             nan     0.1024    0.0030
    40        0.6701             nan     0.1024    0.0010
    60        0.6424             nan     0.1024    0.0002
    80        0.6258             nan     0.1024    0.0001
   100        0.6154             nan     0.1024    0.0000
   120        0.6087             nan     0.1024    0.0001
   140        0.6030             nan     0.1024    0.0002
   160        0.5977             nan     0.1024    0.0001
   180        0.5935             nan     0.1024   -0.0000
   200        0.5897             nan     0.1024    0.0001
   220        0.5863             nan     0.1024    0.0003
   240        0.5831             nan     0.1024   -0.0001
   260        0.5802             nan     0.1024    0.0000
   280        0.5778             nan     0.1024    0.0000
   300        0.5746             nan     0.1024    0.0002
   320        0.5726             nan     0.1024    0.0000
   340        0.5708             nan     0.1024    0.0000
   360        0.5689             nan     0.1024   -0.0000
   380        0.5673             nan     0.1024   -0.0000
   400        0.5660             nan     0.1024    0.0000
   420        0.5638             nan     0.1024   -0.0001
   440        0.5618             nan     0.1024   -0.0000
   460        0.5605             nan     0.1024   -0.0000
   480        0.5593             nan     0.1024   -0.0000
   500        0.5579             nan     0.1024   -0.0000
   520        0.5566             nan     0.1024   -0.0000
   540        0.5554             nan     0.1024   -0.0001
   560        0.5542             nan     0.1024   -0.0001
   580        0.5534             nan     0.1024   -0.0001
   600        0.5524             nan     0.1024   -0.0001
   620        0.5515             nan     0.1024   -0.0000
   640        0.5508             nan     0.1024   -0.0001
   660        0.5494             nan     0.1024   -0.0000
   680        0.5484             nan     0.1024   -0.0001
   700        0.5478             nan     0.1024   -0.0000
   720        0.5471             nan     0.1024   -0.0000
   740        0.5461             nan     0.1024   -0.0000
   760        0.5451             nan     0.1024   -0.0001
   780        0.5445             nan     0.1024   -0.0000
   800        0.5439             nan     0.1024   -0.0001
   820        0.5429             nan     0.1024   -0.0001
   840        0.5420             nan     0.1024    0.0000
   851        0.5417             nan     0.1024   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0378             nan     0.1035    0.0310
     2        0.9872             nan     0.1035    0.0249
     3        0.9478             nan     0.1035    0.0192
     4        0.9162             nan     0.1035    0.0154
     5        0.8878             nan     0.1035    0.0139
     6        0.8642             nan     0.1035    0.0116
     7        0.8449             nan     0.1035    0.0098
     8        0.8245             nan     0.1035    0.0099
     9        0.8101             nan     0.1035    0.0070
    10        0.7966             nan     0.1035    0.0066
    20        0.7107             nan     0.1035    0.0033
    40        0.6451             nan     0.1035    0.0009
    60        0.6211             nan     0.1035    0.0002
    80        0.6074             nan     0.1035    0.0002
   100        0.5966             nan     0.1035    0.0000
   120        0.5901             nan     0.1035    0.0000
   140        0.5837             nan     0.1035    0.0000
   160        0.5791             nan     0.1035    0.0001
   180        0.5741             nan     0.1035    0.0001
   190        0.5713             nan     0.1035    0.0003

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0375             nan     0.1036    0.0308
     2        0.9882             nan     0.1036    0.0240
     3        0.9469             nan     0.1036    0.0211
     4        0.9149             nan     0.1036    0.0163
     5        0.8875             nan     0.1036    0.0138
     6        0.8661             nan     0.1036    0.0107
     7        0.8436             nan     0.1036    0.0111
     8        0.8248             nan     0.1036    0.0095
     9        0.8083             nan     0.1036    0.0080
    10        0.7982             nan     0.1036    0.0049
    20        0.7151             nan     0.1036    0.0026
    40        0.6460             nan     0.1036    0.0011
    60        0.6212             nan     0.1036    0.0002
    80        0.6066             nan     0.1036    0.0003
   100        0.5967             nan     0.1036    0.0002
   120        0.5892             nan     0.1036    0.0001
   140        0.5841             nan     0.1036    0.0000
   160        0.5792             nan     0.1036    0.0000
   180        0.5752             nan     0.1036   -0.0000
   200        0.5718             nan     0.1036    0.0000
   220        0.5684             nan     0.1036   -0.0001
   240        0.5657             nan     0.1036   -0.0000
   260        0.5625             nan     0.1036    0.0000
   280        0.5596             nan     0.1036   -0.0001
   300        0.5576             nan     0.1036   -0.0001
   320        0.5556             nan     0.1036   -0.0000
   340        0.5535             nan     0.1036   -0.0000
   360        0.5519             nan     0.1036   -0.0000
   380        0.5500             nan     0.1036   -0.0000
   400        0.5483             nan     0.1036   -0.0001
   420        0.5466             nan     0.1036   -0.0001
   440        0.5448             nan     0.1036   -0.0001
   460        0.5435             nan     0.1036   -0.0000
   480        0.5425             nan     0.1036   -0.0001
   500        0.5411             nan     0.1036   -0.0000
   520        0.5396             nan     0.1036   -0.0001
   540        0.5381             nan     0.1036   -0.0000
   560        0.5362             nan     0.1036   -0.0001
   580        0.5351             nan     0.1036   -0.0000
   600        0.5337             nan     0.1036   -0.0001
   620        0.5324             nan     0.1036    0.0000
   640        0.5314             nan     0.1036   -0.0000
   660        0.5303             nan     0.1036   -0.0001
   677        0.5293             nan     0.1036   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0280             nan     0.1079    0.0365
     2        0.9748             nan     0.1079    0.0265
     3        0.9321             nan     0.1079    0.0213
     4        0.8985             nan     0.1079    0.0169
     5        0.8711             nan     0.1079    0.0139
     6        0.8463             nan     0.1079    0.0123
     7        0.8267             nan     0.1079    0.0100
     8        0.8072             nan     0.1079    0.0096
     9        0.7912             nan     0.1079    0.0077
    10        0.7759             nan     0.1079    0.0076
    20        0.6890             nan     0.1079    0.0027
    40        0.6310             nan     0.1079    0.0004
    60        0.6082             nan     0.1079    0.0002
    80        0.5947             nan     0.1079    0.0001
   100        0.5851             nan     0.1079    0.0000
   120        0.5791             nan     0.1079    0.0000
   140        0.5734             nan     0.1079   -0.0000
   160        0.5690             nan     0.1079   -0.0001
   180        0.5648             nan     0.1079    0.0001
   200        0.5614             nan     0.1079   -0.0001
   220        0.5579             nan     0.1079   -0.0001
   240        0.5550             nan     0.1079   -0.0002
   260        0.5519             nan     0.1079   -0.0000
   280        0.5495             nan     0.1079   -0.0000
   300        0.5468             nan     0.1079    0.0001
   320        0.5440             nan     0.1079   -0.0000
   340        0.5419             nan     0.1079   -0.0001
   360        0.5400             nan     0.1079   -0.0001
   380        0.5382             nan     0.1079   -0.0002
   400        0.5365             nan     0.1079   -0.0000
   419        0.5346             nan     0.1079   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0344             nan     0.1099    0.0332
     2        0.9847             nan     0.1099    0.0250
     3        0.9437             nan     0.1099    0.0211
     4        0.9096             nan     0.1099    0.0169
     5        0.8781             nan     0.1099    0.0158
     6        0.8562             nan     0.1099    0.0110
     7        0.8370             nan     0.1099    0.0094
     8        0.8177             nan     0.1099    0.0098
     9        0.8035             nan     0.1099    0.0069
    10        0.7885             nan     0.1099    0.0075
    20        0.7051             nan     0.1099    0.0033
    40        0.6433             nan     0.1099    0.0004
    60        0.6172             nan     0.1099    0.0007

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0317             nan     0.1114    0.0335
     2        0.9787             nan     0.1114    0.0264
     3        0.9383             nan     0.1114    0.0199
     4        0.9051             nan     0.1114    0.0164
     5        0.8755             nan     0.1114    0.0151
     6        0.8504             nan     0.1114    0.0127
     7        0.8319             nan     0.1114    0.0092
     8        0.8117             nan     0.1114    0.0098
     9        0.7955             nan     0.1114    0.0079
    10        0.7829             nan     0.1114    0.0061
    20        0.7036             nan     0.1114    0.0022
    40        0.6410             nan     0.1114    0.0009
    60        0.6192             nan     0.1114    0.0003
    80        0.6074             nan     0.1114    0.0004
   100        0.5994             nan     0.1114    0.0002
   120        0.5927             nan     0.1114   -0.0001
   140        0.5882             nan     0.1114   -0.0001
   160        0.5837             nan     0.1114   -0.0000
   180        0.5797             nan     0.1114    0.0002
   200        0.5760             nan     0.1114   -0.0001
   220        0.5732             nan     0.1114   -0.0001
   240        0.5709             nan     0.1114   -0.0000
   260        0.5679             nan     0.1114   -0.0001
   280        0.5661             nan     0.1114   -0.0001
   300        0.5643             nan     0.1114    0.0000
   320        0.5615             nan     0.1114   -0.0001
   340        0.5593             nan     0.1114    0.0001
   360        0.5579             nan     0.1114   -0.0000
   380        0.5559             nan     0.1114   -0.0000
   400        0.5541             nan     0.1114   -0.0000
   420        0.5522             nan     0.1114   -0.0001
   440        0.5509             nan     0.1114   -0.0001
   460        0.5497             nan     0.1114   -0.0000
   480        0.5487             nan     0.1114   -0.0002
   500        0.5474             nan     0.1114   -0.0001
   520        0.5457             nan     0.1114    0.0000
   540        0.5442             nan     0.1114   -0.0001
   560        0.5431             nan     0.1114   -0.0001
   580        0.5422             nan     0.1114   -0.0001
   600        0.5409             nan     0.1114   -0.0001
   620        0.5400             nan     0.1114   -0.0000
   640        0.5388             nan     0.1114   -0.0001
   660        0.5380             nan     0.1114   -0.0001
   680        0.5366             nan     0.1114    0.0000
   685        0.5364             nan     0.1114   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0579             nan     0.1122    0.0213
     2        1.0251             nan     0.1122    0.0167
     3        0.9993             nan     0.1122    0.0125
     4        0.9736             nan     0.1122    0.0129
     5        0.9573             nan     0.1122    0.0081
     6        0.9371             nan     0.1122    0.0101
     7        0.9186             nan     0.1122    0.0090
     8        0.9021             nan     0.1122    0.0080
     9        0.8915             nan     0.1122    0.0054
    10        0.8787             nan     0.1122    0.0065
    20        0.7966             nan     0.1122    0.0024
    40        0.7188             nan     0.1122    0.0010
    60        0.6805             nan     0.1122    0.0004
    80        0.6576             nan     0.1122    0.0006
   100        0.6434             nan     0.1122    0.0003
   120        0.6340             nan     0.1122    0.0002
   140        0.6273             nan     0.1122    0.0001
   160        0.6217             nan     0.1122    0.0000
   180        0.6175             nan     0.1122    0.0000
   200        0.6134             nan     0.1122    0.0000
   220        0.6103             nan     0.1122    0.0000
   240        0.6073             nan     0.1122    0.0000
   260        0.6051             nan     0.1122   -0.0000
   280        0.6029             nan     0.1122   -0.0000
   300        0.6006             nan     0.1122    0.0001
   320        0.5991             nan     0.1122   -0.0000
   340        0.5977             nan     0.1122   -0.0000
   360        0.5967             nan     0.1122   -0.0001
   380        0.5954             nan     0.1122   -0.0000
   400        0.5943             nan     0.1122    0.0000
   420        0.5931             nan     0.1122    0.0000
   440        0.5923             nan     0.1122   -0.0000
   460        0.5916             nan     0.1122    0.0000
   480        0.5905             nan     0.1122    0.0000
   500        0.5895             nan     0.1122    0.0000
   520        0.5888             nan     0.1122   -0.0000
   540        0.5883             nan     0.1122   -0.0000
   560        0.5877             nan     0.1122   -0.0000
   580        0.5871             nan     0.1122   -0.0001
   600        0.5866             nan     0.1122   -0.0001
   615        0.5861             nan     0.1122   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0365             nan     0.1211    0.0316
     2        0.9889             nan     0.1211    0.0243
     3        0.9517             nan     0.1211    0.0183
     4        0.9151             nan     0.1211    0.0187
     5        0.8862             nan     0.1211    0.0144
     6        0.8650             nan     0.1211    0.0105
     7        0.8458             nan     0.1211    0.0097
     8        0.8312             nan     0.1211    0.0074
     9        0.8166             nan     0.1211    0.0072
    10        0.8017             nan     0.1211    0.0072
    20        0.7213             nan     0.1211    0.0030
    40        0.6576             nan     0.1211    0.0011
    60        0.6329             nan     0.1211    0.0002
    80        0.6196             nan     0.1211    0.0002
   100        0.6104             nan     0.1211    0.0004
   120        0.6032             nan     0.1211   -0.0000
   140        0.5982             nan     0.1211    0.0002
   160        0.5942             nan     0.1211    0.0001
   180        0.5898             nan     0.1211    0.0003
   200        0.5867             nan     0.1211   -0.0000
   220        0.5841             nan     0.1211   -0.0000
   240        0.5814             nan     0.1211   -0.0001
   260        0.5796             nan     0.1211   -0.0001
   280        0.5770             nan     0.1211   -0.0000
   300        0.5750             nan     0.1211   -0.0000
   320        0.5729             nan     0.1211    0.0000
   340        0.5717             nan     0.1211    0.0000
   360        0.5699             nan     0.1211   -0.0000
   380        0.5681             nan     0.1211    0.0001
   400        0.5670             nan     0.1211   -0.0001
   420        0.5655             nan     0.1211   -0.0001
   440        0.5643             nan     0.1211   -0.0001
   460        0.5622             nan     0.1211   -0.0001
   480        0.5610             nan     0.1211   -0.0001
   500        0.5600             nan     0.1211   -0.0000
   520        0.5589             nan     0.1211   -0.0001
   540        0.5579             nan     0.1211   -0.0001
   560        0.5569             nan     0.1211   -0.0002
   580        0.5559             nan     0.1211   -0.0001
   600        0.5550             nan     0.1211   -0.0000
   620        0.5539             nan     0.1211   -0.0001
   640        0.5530             nan     0.1211   -0.0000
   660        0.5519             nan     0.1211   -0.0001
   680        0.5512             nan     0.1211   -0.0001
   700        0.5504             nan     0.1211   -0.0000
   720        0.5500             nan     0.1211   -0.0001
   740        0.5491             nan     0.1211   -0.0001
   760        0.5484             nan     0.1211   -0.0001
   780        0.5476             nan     0.1211   -0.0001
   800        0.5472             nan     0.1211   -0.0001
   820        0.5464             nan     0.1211   -0.0001
   840        0.5455             nan     0.1211   -0.0000
   848        0.5454             nan     0.1211   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0119             nan     0.1273    0.0444
     2        0.9516             nan     0.1273    0.0305
     3        0.9050             nan     0.1273    0.0232
     4        0.8696             nan     0.1273    0.0177
     5        0.8396             nan     0.1273    0.0153
     6        0.8162             nan     0.1273    0.0114
     7        0.7955             nan     0.1273    0.0101
     8        0.7773             nan     0.1273    0.0089
     9        0.7605             nan     0.1273    0.0080
    10        0.7444             nan     0.1273    0.0080
    20        0.6601             nan     0.1273    0.0018
    40        0.6109             nan     0.1273    0.0009
    60        0.5928             nan     0.1273    0.0003
    80        0.5799             nan     0.1273    0.0002
   100        0.5705             nan     0.1273    0.0001
   120        0.5647             nan     0.1273    0.0000
   140        0.5600             nan     0.1273   -0.0000
   160        0.5556             nan     0.1273   -0.0001
   180        0.5513             nan     0.1273   -0.0000
   200        0.5470             nan     0.1273   -0.0001
   220        0.5440             nan     0.1273   -0.0001
   240        0.5409             nan     0.1273   -0.0001
   260        0.5376             nan     0.1273    0.0000
   280        0.5337             nan     0.1273   -0.0002
   300        0.5306             nan     0.1273   -0.0000
   320        0.5279             nan     0.1273   -0.0001
   340        0.5253             nan     0.1273   -0.0002
   360        0.5232             nan     0.1273   -0.0001
   380        0.5209             nan     0.1273   -0.0002
   400        0.5186             nan     0.1273    0.0001
   420        0.5165             nan     0.1273   -0.0001
   440        0.5143             nan     0.1273   -0.0002
   460        0.5126             nan     0.1273   -0.0001
   480        0.5105             nan     0.1273   -0.0001
   500        0.5087             nan     0.1273   -0.0001
   520        0.5068             nan     0.1273   -0.0002
   540        0.5051             nan     0.1273   -0.0001
   560        0.5037             nan     0.1273   -0.0001
   580        0.5020             nan     0.1273   -0.0001
   600        0.5008             nan     0.1273   -0.0001
   620        0.4991             nan     0.1273   -0.0002
   638        0.4975             nan     0.1273   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0240             nan     0.1282    0.0378
     2        0.9687             nan     0.1282    0.0274
     3        0.9228             nan     0.1282    0.0237
     4        0.8886             nan     0.1282    0.0173
     5        0.8593             nan     0.1282    0.0144
     6        0.8336             nan     0.1282    0.0131
     7        0.8168             nan     0.1282    0.0083
     8        0.7996             nan     0.1282    0.0088
     9        0.7850             nan     0.1282    0.0071
    10        0.7709             nan     0.1282    0.0069
    20        0.6890             nan     0.1282    0.0028
    40        0.6322             nan     0.1282    0.0005
    60        0.6103             nan     0.1282    0.0005
    80        0.5973             nan     0.1282    0.0003
   100        0.5893             nan     0.1282   -0.0001
   120        0.5829             nan     0.1282   -0.0000
   140        0.5779             nan     0.1282   -0.0001
   156        0.5748             nan     0.1282   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0139             nan     0.1284    0.0426
     2        0.9550             nan     0.1284    0.0298
     3        0.9107             nan     0.1284    0.0217
     4        0.8736             nan     0.1284    0.0182
     5        0.8435             nan     0.1284    0.0145
     6        0.8198             nan     0.1284    0.0118
     7        0.7977             nan     0.1284    0.0108
     8        0.7818             nan     0.1284    0.0079
     9        0.7646             nan     0.1284    0.0085
    10        0.7527             nan     0.1284    0.0057
    20        0.6708             nan     0.1284    0.0026
    40        0.6206             nan     0.1284    0.0004
    60        0.6024             nan     0.1284    0.0002
    80        0.5907             nan     0.1284    0.0002
   100        0.5824             nan     0.1284   -0.0000
   120        0.5762             nan     0.1284    0.0001
   140        0.5711             nan     0.1284   -0.0001
   160        0.5669             nan     0.1284   -0.0002
   180        0.5620             nan     0.1284   -0.0001
   200        0.5592             nan     0.1284   -0.0001
   220        0.5563             nan     0.1284   -0.0000
   240        0.5533             nan     0.1284    0.0000
   260        0.5508             nan     0.1284   -0.0001
   280        0.5484             nan     0.1284   -0.0001
   300        0.5455             nan     0.1284   -0.0001
   320        0.5426             nan     0.1284   -0.0001
   340        0.5411             nan     0.1284   -0.0000
   360        0.5393             nan     0.1284   -0.0001
   380        0.5377             nan     0.1284   -0.0000
   400        0.5354             nan     0.1284    0.0002
   420        0.5334             nan     0.1284   -0.0001
   440        0.5321             nan     0.1284   -0.0001
   460        0.5306             nan     0.1284   -0.0000
   480        0.5290             nan     0.1284   -0.0001
   500        0.5272             nan     0.1284   -0.0002
   520        0.5255             nan     0.1284   -0.0001
   540        0.5239             nan     0.1284   -0.0001
   560        0.5222             nan     0.1284   -0.0001
   580        0.5205             nan     0.1284   -0.0001
   600        0.5189             nan     0.1284   -0.0001
   620        0.5175             nan     0.1284   -0.0000
   640        0.5164             nan     0.1284   -0.0001
   660        0.5152             nan     0.1284    0.0000
   680        0.5136             nan     0.1284   -0.0001
   700        0.5124             nan     0.1284   -0.0001
   720        0.5113             nan     0.1284   -0.0001
   740        0.5102             nan     0.1284   -0.0002
   746        0.5097             nan     0.1284   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0099             nan     0.1297    0.0453
     2        0.9479             nan     0.1297    0.0304
     3        0.9000             nan     0.1297    0.0237
     4        0.8635             nan     0.1297    0.0177
     5        0.8335             nan     0.1297    0.0145
     6        0.8097             nan     0.1297    0.0119
     7        0.7888             nan     0.1297    0.0101
     8        0.7699             nan     0.1297    0.0092
     9        0.7527             nan     0.1297    0.0082
    10        0.7384             nan     0.1297    0.0070
    20        0.6583             nan     0.1297    0.0027
    40        0.6076             nan     0.1297    0.0004
    60        0.5859             nan     0.1297    0.0001
    80        0.5753             nan     0.1297   -0.0001
   100        0.5668             nan     0.1297   -0.0001
   120        0.5586             nan     0.1297    0.0000
   140        0.5533             nan     0.1297   -0.0001
   160        0.5479             nan     0.1297   -0.0001
   180        0.5436             nan     0.1297   -0.0001
   200        0.5400             nan     0.1297   -0.0002
   220        0.5363             nan     0.1297   -0.0001
   240        0.5327             nan     0.1297   -0.0001
   260        0.5295             nan     0.1297   -0.0001
   280        0.5269             nan     0.1297   -0.0002
   300        0.5231             nan     0.1297   -0.0002
   320        0.5198             nan     0.1297   -0.0001
   340        0.5176             nan     0.1297   -0.0001
   360        0.5153             nan     0.1297   -0.0000
   380        0.5129             nan     0.1297   -0.0002
   400        0.5110             nan     0.1297   -0.0001
   420        0.5089             nan     0.1297   -0.0001
   440        0.5066             nan     0.1297   -0.0001
   460        0.5049             nan     0.1297   -0.0002
   480        0.5028             nan     0.1297   -0.0002
   500        0.5006             nan     0.1297   -0.0002
   509        0.4996             nan     0.1297   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0316             nan     0.1319    0.0346
     2        0.9814             nan     0.1319    0.0251
     3        0.9426             nan     0.1319    0.0194
     4        0.9050             nan     0.1319    0.0190
     5        0.8748             nan     0.1319    0.0148
     6        0.8551             nan     0.1319    0.0098
     7        0.8343             nan     0.1319    0.0102
     8        0.8179             nan     0.1319    0.0080
     9        0.8057             nan     0.1319    0.0060
    10        0.7924             nan     0.1319    0.0065
    20        0.7126             nan     0.1319    0.0020
    40        0.6496             nan     0.1319    0.0007
    60        0.6270             nan     0.1319    0.0006
    80        0.6152             nan     0.1319    0.0000
   100        0.6081             nan     0.1319   -0.0001
   120        0.6015             nan     0.1319   -0.0001
   140        0.5960             nan     0.1319   -0.0000
   160        0.5928             nan     0.1319    0.0000
   180        0.5893             nan     0.1319   -0.0000
   200        0.5864             nan     0.1319   -0.0000
   220        0.5836             nan     0.1319    0.0000
   240        0.5810             nan     0.1319   -0.0001
   260        0.5789             nan     0.1319   -0.0000
   280        0.5767             nan     0.1319    0.0001
   300        0.5747             nan     0.1319   -0.0001
   320        0.5726             nan     0.1319    0.0000
   340        0.5708             nan     0.1319   -0.0001
   360        0.5692             nan     0.1319   -0.0000
   380        0.5673             nan     0.1319   -0.0001
   400        0.5659             nan     0.1319   -0.0000
   420        0.5642             nan     0.1319   -0.0000
   440        0.5632             nan     0.1319   -0.0001
   460        0.5620             nan     0.1319   -0.0001
   480        0.5608             nan     0.1319   -0.0001
   500        0.5598             nan     0.1319   -0.0001
   520        0.5585             nan     0.1319    0.0000
   540        0.5579             nan     0.1319   -0.0000
   560        0.5569             nan     0.1319   -0.0000
   580        0.5560             nan     0.1319   -0.0000
   600        0.5551             nan     0.1319   -0.0000
   620        0.5543             nan     0.1319   -0.0001
   640        0.5536             nan     0.1319   -0.0001
   660        0.5526             nan     0.1319   -0.0001
   680        0.5513             nan     0.1319   -0.0001
   700        0.5504             nan     0.1319    0.0000
   720        0.5496             nan     0.1319   -0.0001
   740        0.5491             nan     0.1319   -0.0001
   760        0.5484             nan     0.1319   -0.0001
   780        0.5475             nan     0.1319   -0.0001
   797        0.5471             nan     0.1319   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0303             nan     0.1323    0.0338
     2        0.9816             nan     0.1323    0.0242
     3        0.9331             nan     0.1323    0.0247
     4        0.8976             nan     0.1323    0.0183
     5        0.8718             nan     0.1323    0.0123
     6        0.8503             nan     0.1323    0.0109
     7        0.8322             nan     0.1323    0.0086
     8        0.8136             nan     0.1323    0.0093
     9        0.7999             nan     0.1323    0.0070
    10        0.7891             nan     0.1323    0.0053
    20        0.7081             nan     0.1323    0.0029
    40        0.6501             nan     0.1323    0.0007
    60        0.6285             nan     0.1323    0.0003
    80        0.6142             nan     0.1323    0.0003
   100        0.6050             nan     0.1323   -0.0000
   120        0.5981             nan     0.1323    0.0001
   140        0.5917             nan     0.1323    0.0000
   160        0.5881             nan     0.1323   -0.0001
   180        0.5832             nan     0.1323    0.0000
   200        0.5799             nan     0.1323    0.0000
   220        0.5772             nan     0.1323   -0.0000
   240        0.5742             nan     0.1323   -0.0000
   260        0.5711             nan     0.1323   -0.0001
   280        0.5688             nan     0.1323   -0.0000
   300        0.5663             nan     0.1323   -0.0001
   320        0.5636             nan     0.1323   -0.0001
   340        0.5613             nan     0.1323   -0.0001
   360        0.5600             nan     0.1323   -0.0001
   380        0.5586             nan     0.1323   -0.0000
   400        0.5569             nan     0.1323   -0.0001
   420        0.5549             nan     0.1323   -0.0001
   440        0.5532             nan     0.1323   -0.0001
   460        0.5519             nan     0.1323   -0.0001
   480        0.5504             nan     0.1323    0.0001
   500        0.5491             nan     0.1323   -0.0001
   520        0.5478             nan     0.1323   -0.0001
   540        0.5465             nan     0.1323   -0.0001
   560        0.5455             nan     0.1323   -0.0000
   580        0.5445             nan     0.1323   -0.0001
   600        0.5432             nan     0.1323   -0.0001
   620        0.5418             nan     0.1323   -0.0001
   640        0.5407             nan     0.1323   -0.0000
   660        0.5394             nan     0.1323   -0.0001
   680        0.5384             nan     0.1323   -0.0001
   700        0.5373             nan     0.1323   -0.0001
   720        0.5364             nan     0.1323   -0.0001
   740        0.5354             nan     0.1323   -0.0001
   760        0.5341             nan     0.1323    0.0001
   780        0.5333             nan     0.1323   -0.0001
   800        0.5324             nan     0.1323   -0.0000
   820        0.5314             nan     0.1323   -0.0001
   840        0.5305             nan     0.1323   -0.0001
   860        0.5299             nan     0.1323   -0.0001
   880        0.5294             nan     0.1323   -0.0001
   900        0.5287             nan     0.1323   -0.0001
   920        0.5278             nan     0.1323   -0.0000
   940        0.5269             nan     0.1323   -0.0000
   960        0.5261             nan     0.1323   -0.0001
   980        0.5250             nan     0.1323   -0.0000
   981        0.5247             nan     0.1323    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0297             nan     0.1371    0.0354
     2        0.9772             nan     0.1371    0.0254
     3        0.9385             nan     0.1371    0.0198
     4        0.8998             nan     0.1371    0.0190
     5        0.8712             nan     0.1371    0.0145
     6        0.8508             nan     0.1371    0.0104
     7        0.8298             nan     0.1371    0.0104
     8        0.8157             nan     0.1371    0.0068
     9        0.8020             nan     0.1371    0.0067
    10        0.7891             nan     0.1371    0.0061
    20        0.7063             nan     0.1371    0.0025
    40        0.6464             nan     0.1371    0.0009
    60        0.6242             nan     0.1371    0.0005
    80        0.6112             nan     0.1371    0.0002
   100        0.6025             nan     0.1371    0.0001
   120        0.5959             nan     0.1371   -0.0000
   140        0.5913             nan     0.1371   -0.0000
   160        0.5876             nan     0.1371   -0.0001
   180        0.5839             nan     0.1371   -0.0001
   200        0.5809             nan     0.1371   -0.0000
   220        0.5776             nan     0.1371   -0.0000
   240        0.5748             nan     0.1371   -0.0000
   260        0.5725             nan     0.1371   -0.0000
   280        0.5690             nan     0.1371    0.0000
   300        0.5668             nan     0.1371   -0.0000
   320        0.5652             nan     0.1371   -0.0000
   340        0.5633             nan     0.1371   -0.0001
   360        0.5619             nan     0.1371   -0.0000
   380        0.5593             nan     0.1371   -0.0000
   400        0.5576             nan     0.1371   -0.0001
   420        0.5561             nan     0.1371   -0.0001
   440        0.5544             nan     0.1371   -0.0000
   460        0.5534             nan     0.1371   -0.0001
   480        0.5519             nan     0.1371   -0.0000
   500        0.5496             nan     0.1371   -0.0001
   520        0.5480             nan     0.1371   -0.0001
   540        0.5468             nan     0.1371   -0.0000
   560        0.5456             nan     0.1371   -0.0000
   580        0.5446             nan     0.1371   -0.0001
   593        0.5436             nan     0.1371   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0090             nan     0.1425    0.0451
     2        0.9424             nan     0.1425    0.0330
     3        0.8951             nan     0.1425    0.0238
     4        0.8588             nan     0.1425    0.0178
     5        0.8314             nan     0.1425    0.0136
     6        0.8062             nan     0.1425    0.0123
     7        0.7881             nan     0.1425    0.0092
     8        0.7698             nan     0.1425    0.0089
     9        0.7536             nan     0.1425    0.0075
    10        0.7374             nan     0.1425    0.0081
    20        0.6586             nan     0.1425    0.0020
    40        0.6125             nan     0.1425    0.0005
    60        0.5927             nan     0.1425    0.0003
    80        0.5807             nan     0.1425    0.0000
   100        0.5720             nan     0.1425   -0.0001
   120        0.5662             nan     0.1425    0.0003
   140        0.5604             nan     0.1425   -0.0001
   160        0.5540             nan     0.1425   -0.0001
   180        0.5493             nan     0.1425   -0.0001
   200        0.5451             nan     0.1425   -0.0000
   220        0.5420             nan     0.1425   -0.0002
   240        0.5389             nan     0.1425   -0.0001
   260        0.5348             nan     0.1425   -0.0001
   280        0.5321             nan     0.1425   -0.0001
   300        0.5280             nan     0.1425   -0.0001
   320        0.5248             nan     0.1425    0.0000
   340        0.5225             nan     0.1425   -0.0001
   360        0.5203             nan     0.1425   -0.0002
   380        0.5178             nan     0.1425   -0.0001
   400        0.5146             nan     0.1425   -0.0001
   420        0.5123             nan     0.1425   -0.0002
   440        0.5096             nan     0.1425   -0.0000
   460        0.5075             nan     0.1425   -0.0001
   480        0.5056             nan     0.1425   -0.0001
   500        0.5034             nan     0.1425   -0.0001
   520        0.5020             nan     0.1425   -0.0002
   540        0.5004             nan     0.1425   -0.0003
   560        0.4986             nan     0.1425   -0.0002
   580        0.4964             nan     0.1425   -0.0001
   600        0.4943             nan     0.1425   -0.0001
   620        0.4925             nan     0.1425   -0.0001
   640        0.4907             nan     0.1425   -0.0001
   660        0.4892             nan     0.1425   -0.0002
   680        0.4874             nan     0.1425   -0.0002
   700        0.4855             nan     0.1425   -0.0001
   720        0.4832             nan     0.1425    0.0001
   740        0.4819             nan     0.1425   -0.0002
   760        0.4802             nan     0.1425   -0.0002
   780        0.4786             nan     0.1425   -0.0001
   800        0.4773             nan     0.1425   -0.0002
   820        0.4758             nan     0.1425   -0.0001
   831        0.4749             nan     0.1425   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0027             nan     0.1438    0.0504
     2        0.9371             nan     0.1438    0.0325
     3        0.8878             nan     0.1438    0.0248
     4        0.8496             nan     0.1438    0.0193
     5        0.8214             nan     0.1438    0.0142
     6        0.7965             nan     0.1438    0.0125
     7        0.7764             nan     0.1438    0.0096
     8        0.7568             nan     0.1438    0.0097
     9        0.7410             nan     0.1438    0.0075
    10        0.7258             nan     0.1438    0.0074
    20        0.6522             nan     0.1438    0.0021
    40        0.6042             nan     0.1438    0.0004
    60        0.5870             nan     0.1438   -0.0001
    80        0.5772             nan     0.1438   -0.0002
   100        0.5696             nan     0.1438   -0.0001
   120        0.5629             nan     0.1438   -0.0000
   140        0.5573             nan     0.1438   -0.0001
   160        0.5529             nan     0.1438   -0.0001
   180        0.5484             nan     0.1438   -0.0001
   200        0.5452             nan     0.1438   -0.0001
   220        0.5418             nan     0.1438   -0.0001
   240        0.5382             nan     0.1438    0.0002
   259        0.5349             nan     0.1438   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0054             nan     0.1455    0.0476
     2        0.9411             nan     0.1455    0.0321
     3        0.8938             nan     0.1455    0.0235
     4        0.8578             nan     0.1455    0.0180
     5        0.8293             nan     0.1455    0.0141
     6        0.8057             nan     0.1455    0.0116
     7        0.7848             nan     0.1455    0.0102
     8        0.7680             nan     0.1455    0.0081
     9        0.7533             nan     0.1455    0.0069
    10        0.7400             nan     0.1455    0.0064
    20        0.6619             nan     0.1455    0.0022
    40        0.6125             nan     0.1455    0.0002
    60        0.5924             nan     0.1455    0.0001
    80        0.5804             nan     0.1455    0.0003
   100        0.5715             nan     0.1455   -0.0001
   108        0.5676             nan     0.1455   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0241             nan     0.1479    0.0378
     2        0.9698             nan     0.1479    0.0273
     3        0.9286             nan     0.1479    0.0200
     4        0.8888             nan     0.1479    0.0194
     5        0.8590             nan     0.1479    0.0146
     6        0.8394             nan     0.1479    0.0100
     7        0.8190             nan     0.1479    0.0101
     8        0.8059             nan     0.1479    0.0065
     9        0.7908             nan     0.1479    0.0077
    10        0.7783             nan     0.1479    0.0062
    20        0.6995             nan     0.1479    0.0017
    40        0.6428             nan     0.1479    0.0007
    60        0.6213             nan     0.1479    0.0003
    80        0.6093             nan     0.1479    0.0001
   100        0.6012             nan     0.1479    0.0001
   120        0.5932             nan     0.1479    0.0002
   140        0.5889             nan     0.1479    0.0000
   160        0.5839             nan     0.1479   -0.0000
   180        0.5812             nan     0.1479   -0.0000
   200        0.5771             nan     0.1479   -0.0000
   220        0.5746             nan     0.1479   -0.0000
   240        0.5722             nan     0.1479   -0.0001
   260        0.5687             nan     0.1479   -0.0001
   280        0.5665             nan     0.1479   -0.0000
   300        0.5642             nan     0.1479    0.0000
   320        0.5620             nan     0.1479   -0.0000
   340        0.5592             nan     0.1479   -0.0000
   360        0.5575             nan     0.1479   -0.0000
   380        0.5555             nan     0.1479   -0.0001
   400        0.5539             nan     0.1479    0.0000
   420        0.5514             nan     0.1479   -0.0000
   440        0.5485             nan     0.1479   -0.0000
   460        0.5470             nan     0.1479   -0.0001
   480        0.5457             nan     0.1479   -0.0000
   500        0.5445             nan     0.1479   -0.0001
   520        0.5433             nan     0.1479   -0.0001
   540        0.5422             nan     0.1479   -0.0001
   560        0.5405             nan     0.1479   -0.0000
   580        0.5390             nan     0.1479   -0.0001
   600        0.5375             nan     0.1479   -0.0000
   620        0.5364             nan     0.1479   -0.0001
   640        0.5352             nan     0.1479   -0.0001
   660        0.5335             nan     0.1479   -0.0000
   680        0.5315             nan     0.1479   -0.0001
   700        0.5306             nan     0.1479   -0.0001
   720        0.5293             nan     0.1479   -0.0001
   740        0.5287             nan     0.1479   -0.0001
   760        0.5277             nan     0.1479   -0.0001
   780        0.5264             nan     0.1479   -0.0001
   800        0.5256             nan     0.1479   -0.0001
   820        0.5246             nan     0.1479   -0.0001
   840        0.5239             nan     0.1479   -0.0001
   860        0.5227             nan     0.1479   -0.0001
   880        0.5218             nan     0.1479   -0.0001
   900        0.5213             nan     0.1479   -0.0001
   920        0.5204             nan     0.1479   -0.0001
   940        0.5194             nan     0.1479   -0.0001
   960        0.5185             nan     0.1479   -0.0001
   980        0.5176             nan     0.1479   -0.0001
   986        0.5175             nan     0.1479   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9980             nan     0.1486    0.0511
     2        0.9315             nan     0.1486    0.0339
     3        0.8830             nan     0.1486    0.0245
     4        0.8436             nan     0.1486    0.0189
     5        0.8144             nan     0.1486    0.0138
     6        0.7911             nan     0.1486    0.0115
     7        0.7673             nan     0.1486    0.0117
     8        0.7500             nan     0.1486    0.0080
     9        0.7342             nan     0.1486    0.0076
    10        0.7219             nan     0.1486    0.0059
    20        0.6476             nan     0.1486    0.0015
    40        0.6028             nan     0.1486    0.0003
    60        0.5831             nan     0.1486    0.0002
    80        0.5739             nan     0.1486   -0.0000
   100        0.5646             nan     0.1486   -0.0001
   120        0.5578             nan     0.1486    0.0003
   140        0.5535             nan     0.1486   -0.0000
   160        0.5485             nan     0.1486   -0.0001
   180        0.5428             nan     0.1486   -0.0002
   200        0.5388             nan     0.1486    0.0000
   220        0.5349             nan     0.1486   -0.0001
   240        0.5314             nan     0.1486   -0.0002
   260        0.5282             nan     0.1486   -0.0001
   280        0.5245             nan     0.1486   -0.0001
   300        0.5217             nan     0.1486   -0.0002
   320        0.5187             nan     0.1486   -0.0001
   340        0.5163             nan     0.1486   -0.0002
   360        0.5139             nan     0.1486   -0.0001
   380        0.5117             nan     0.1486   -0.0002
   400        0.5093             nan     0.1486   -0.0002
   420        0.5069             nan     0.1486   -0.0001
   440        0.5046             nan     0.1486   -0.0002
   460        0.5027             nan     0.1486   -0.0001
   480        0.5008             nan     0.1486   -0.0002
   500        0.4989             nan     0.1486   -0.0002
   520        0.4973             nan     0.1486   -0.0002
   540        0.4954             nan     0.1486   -0.0003
   560        0.4937             nan     0.1486   -0.0002
   580        0.4919             nan     0.1486   -0.0003
   600        0.4895             nan     0.1486   -0.0002
   620        0.4877             nan     0.1486   -0.0002
   640        0.4862             nan     0.1486   -0.0002
   660        0.4846             nan     0.1486   -0.0001
   680        0.4829             nan     0.1486   -0.0002
   700        0.4812             nan     0.1486   -0.0002
   720        0.4795             nan     0.1486   -0.0002
   740        0.4776             nan     0.1486   -0.0002
   760        0.4756             nan     0.1486   -0.0002
   780        0.4739             nan     0.1486   -0.0001
   800        0.4725             nan     0.1486   -0.0003
   820        0.4709             nan     0.1486   -0.0001
   840        0.4699             nan     0.1486   -0.0002
   860        0.4683             nan     0.1486   -0.0001
   880        0.4666             nan     0.1486   -0.0002
   900        0.4650             nan     0.1486   -0.0002
   920        0.4637             nan     0.1486   -0.0002
   940        0.4624             nan     0.1486   -0.0001
   957        0.4612             nan     0.1486   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9993             nan     0.1502    0.0501
     2        0.9354             nan     0.1502    0.0318
     3        0.8885             nan     0.1502    0.0238
     4        0.8526             nan     0.1502    0.0176
     5        0.8228             nan     0.1502    0.0151
     6        0.8010             nan     0.1502    0.0107
     7        0.7798             nan     0.1502    0.0104
     8        0.7616             nan     0.1502    0.0087
     9        0.7459             nan     0.1502    0.0072
    10        0.7345             nan     0.1502    0.0051
    20        0.6556             nan     0.1502    0.0022
    40        0.6119             nan     0.1502    0.0001
    60        0.5930             nan     0.1502    0.0000
    80        0.5820             nan     0.1502   -0.0000
   100        0.5742             nan     0.1502   -0.0001
   120        0.5681             nan     0.1502   -0.0000
   140        0.5633             nan     0.1502   -0.0001
   160        0.5575             nan     0.1502    0.0003
   180        0.5532             nan     0.1502   -0.0001
   200        0.5495             nan     0.1502   -0.0001
   220        0.5457             nan     0.1502   -0.0001
   240        0.5422             nan     0.1502   -0.0001
   260        0.5388             nan     0.1502   -0.0000
   280        0.5363             nan     0.1502   -0.0001
   300        0.5332             nan     0.1502   -0.0002
   320        0.5312             nan     0.1502   -0.0001
   340        0.5288             nan     0.1502   -0.0001
   360        0.5268             nan     0.1502   -0.0002
   380        0.5249             nan     0.1502   -0.0000
   400        0.5227             nan     0.1502   -0.0001
   420        0.5201             nan     0.1502   -0.0001
   440        0.5176             nan     0.1502   -0.0001
   460        0.5161             nan     0.1502   -0.0001
   480        0.5141             nan     0.1502   -0.0001
   500        0.5123             nan     0.1502   -0.0000
   520        0.5106             nan     0.1502   -0.0002
   540        0.5088             nan     0.1502   -0.0001
   560        0.5074             nan     0.1502   -0.0002
   580        0.5063             nan     0.1502   -0.0002
   600        0.5045             nan     0.1502   -0.0001
   620        0.5034             nan     0.1502   -0.0001
   640        0.5019             nan     0.1502   -0.0001
   660        0.5009             nan     0.1502   -0.0002
   680        0.4995             nan     0.1502   -0.0001
   689        0.4988             nan     0.1502   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0000             nan     0.1546    0.0510
     2        0.9336             nan     0.1546    0.0329
     3        0.8843             nan     0.1546    0.0247
     4        0.8477             nan     0.1546    0.0177
     5        0.8182             nan     0.1546    0.0145
     6        0.7956             nan     0.1546    0.0110
     7        0.7753             nan     0.1546    0.0092
     8        0.7559             nan     0.1546    0.0096
     9        0.7422             nan     0.1546    0.0064
    10        0.7269             nan     0.1546    0.0075
    20        0.6523             nan     0.1546    0.0022
    40        0.6078             nan     0.1546    0.0008
    60        0.5884             nan     0.1546    0.0002
    80        0.5767             nan     0.1546   -0.0001
   100        0.5685             nan     0.1546   -0.0001
   120        0.5614             nan     0.1546   -0.0001
   140        0.5560             nan     0.1546    0.0000
   160        0.5509             nan     0.1546    0.0000
   180        0.5468             nan     0.1546   -0.0001
   200        0.5410             nan     0.1546   -0.0000
   220        0.5374             nan     0.1546    0.0000
   240        0.5335             nan     0.1546   -0.0000
   260        0.5302             nan     0.1546   -0.0001
   280        0.5270             nan     0.1546   -0.0002
   300        0.5237             nan     0.1546   -0.0002
   320        0.5204             nan     0.1546   -0.0000
   340        0.5168             nan     0.1546   -0.0001
   347        0.5162             nan     0.1546   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9985             nan     0.1561    0.0508
     2        0.9316             nan     0.1561    0.0332
     3        0.8829             nan     0.1561    0.0246
     4        0.8472             nan     0.1561    0.0177
     5        0.8178             nan     0.1561    0.0151
     6        0.7914             nan     0.1561    0.0129
     7        0.7721             nan     0.1561    0.0094
     8        0.7538             nan     0.1561    0.0091
     9        0.7397             nan     0.1561    0.0064
    10        0.7281             nan     0.1561    0.0052
    20        0.6522             nan     0.1561    0.0019
    40        0.6075             nan     0.1561    0.0007
    60        0.5876             nan     0.1561    0.0007
    80        0.5764             nan     0.1561    0.0003
   100        0.5676             nan     0.1561    0.0000
   120        0.5613             nan     0.1561    0.0001
   140        0.5545             nan     0.1561    0.0000
   160        0.5501             nan     0.1561   -0.0001
   180        0.5457             nan     0.1561   -0.0002
   200        0.5420             nan     0.1561   -0.0001
   220        0.5380             nan     0.1561   -0.0001
   240        0.5348             nan     0.1561   -0.0001
   260        0.5298             nan     0.1561   -0.0001
   280        0.5267             nan     0.1561   -0.0001
   300        0.5239             nan     0.1561   -0.0000
   302        0.5236             nan     0.1561   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0080             nan     0.1572    0.0458
     2        0.9426             nan     0.1572    0.0322
     3        0.8982             nan     0.1572    0.0221
     4        0.8587             nan     0.1572    0.0189
     5        0.8314             nan     0.1572    0.0135
     6        0.8049             nan     0.1572    0.0134
     7        0.7844             nan     0.1572    0.0103
     8        0.7673             nan     0.1572    0.0083
     9        0.7533             nan     0.1572    0.0063
    10        0.7408             nan     0.1572    0.0061
    20        0.6658             nan     0.1572    0.0024
    40        0.6213             nan     0.1572    0.0008
    60        0.6053             nan     0.1572    0.0001
    80        0.5957             nan     0.1572    0.0000
   100        0.5892             nan     0.1572    0.0001
   120        0.5844             nan     0.1572    0.0000
   140        0.5788             nan     0.1572   -0.0000
   160        0.5750             nan     0.1572   -0.0000
   180        0.5715             nan     0.1572   -0.0000
   200        0.5690             nan     0.1572   -0.0002
   220        0.5666             nan     0.1572   -0.0000
   240        0.5641             nan     0.1572    0.0001
   260        0.5613             nan     0.1572   -0.0001
   280        0.5587             nan     0.1572   -0.0002
   300        0.5561             nan     0.1572   -0.0001
   320        0.5545             nan     0.1572   -0.0002
   340        0.5522             nan     0.1572   -0.0001
   360        0.5502             nan     0.1572   -0.0001
   380        0.5488             nan     0.1572   -0.0001
   400        0.5471             nan     0.1572   -0.0001
   404        0.5469             nan     0.1572   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0074             nan     0.1580    0.0460
     2        0.9408             nan     0.1580    0.0331
     3        0.8930             nan     0.1580    0.0237
     4        0.8533             nan     0.1580    0.0193
     5        0.8241             nan     0.1580    0.0145
     6        0.7994             nan     0.1580    0.0121
     7        0.7820             nan     0.1580    0.0084
     8        0.7650             nan     0.1580    0.0081
     9        0.7468             nan     0.1580    0.0088
    10        0.7351             nan     0.1580    0.0057
    20        0.6646             nan     0.1580    0.0026
    40        0.6203             nan     0.1580    0.0006
    60        0.6014             nan     0.1580   -0.0000
    80        0.5911             nan     0.1580    0.0004
   100        0.5827             nan     0.1580   -0.0002
   120        0.5773             nan     0.1580    0.0000
   140        0.5717             nan     0.1580   -0.0001
   160        0.5681             nan     0.1580   -0.0001
   180        0.5644             nan     0.1580   -0.0001
   200        0.5614             nan     0.1580   -0.0000
   220        0.5591             nan     0.1580   -0.0001
   240        0.5569             nan     0.1580   -0.0001
   260        0.5541             nan     0.1580   -0.0001
   280        0.5514             nan     0.1580   -0.0001
   300        0.5491             nan     0.1580   -0.0001
   320        0.5470             nan     0.1580   -0.0001
   340        0.5451             nan     0.1580   -0.0001
   360        0.5433             nan     0.1580   -0.0001
   380        0.5416             nan     0.1580   -0.0001
   400        0.5395             nan     0.1580   -0.0001
   420        0.5379             nan     0.1580   -0.0002
   440        0.5367             nan     0.1580   -0.0002
   460        0.5352             nan     0.1580   -0.0000
   480        0.5337             nan     0.1580   -0.0002
   500        0.5325             nan     0.1580   -0.0001
   514        0.5311             nan     0.1580   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0076             nan     0.1589    0.0469
     2        0.9410             nan     0.1589    0.0324
     3        0.8945             nan     0.1589    0.0229
     4        0.8575             nan     0.1589    0.0182
     5        0.8299             nan     0.1589    0.0135
     6        0.8051             nan     0.1589    0.0125
     7        0.7845             nan     0.1589    0.0102
     8        0.7679             nan     0.1589    0.0084
     9        0.7525             nan     0.1589    0.0075
    10        0.7408             nan     0.1589    0.0056
    20        0.6677             nan     0.1589    0.0013
    40        0.6209             nan     0.1589    0.0003
    60        0.6037             nan     0.1589    0.0001
    80        0.5929             nan     0.1589    0.0000
   100        0.5835             nan     0.1589    0.0005
   120        0.5772             nan     0.1589   -0.0001
   140        0.5725             nan     0.1589   -0.0001
   160        0.5669             nan     0.1589   -0.0001
   180        0.5632             nan     0.1589   -0.0001
   200        0.5601             nan     0.1589   -0.0001
   220        0.5579             nan     0.1589   -0.0000
   240        0.5551             nan     0.1589   -0.0001
   260        0.5519             nan     0.1589   -0.0001
   280        0.5495             nan     0.1589   -0.0001
   300        0.5473             nan     0.1589   -0.0001
   320        0.5449             nan     0.1589   -0.0001
   340        0.5430             nan     0.1589   -0.0002
   360        0.5414             nan     0.1589   -0.0001
   380        0.5397             nan     0.1589    0.0000
   400        0.5370             nan     0.1589   -0.0001
   420        0.5349             nan     0.1589   -0.0000
   440        0.5334             nan     0.1589   -0.0001
   460        0.5320             nan     0.1589   -0.0002
   480        0.5305             nan     0.1589   -0.0001
   500        0.5290             nan     0.1589   -0.0001
   520        0.5279             nan     0.1589   -0.0001
   540        0.5265             nan     0.1589   -0.0002
   557        0.5254             nan     0.1589   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0191             nan     0.1591    0.0406
     2        0.9624             nan     0.1591    0.0284
     3        0.9215             nan     0.1591    0.0207
     4        0.8818             nan     0.1591    0.0201
     5        0.8521             nan     0.1591    0.0151
     6        0.8327             nan     0.1591    0.0098
     7        0.8178             nan     0.1591    0.0076
     8        0.8012             nan     0.1591    0.0083
     9        0.7861             nan     0.1591    0.0073
    10        0.7740             nan     0.1591    0.0054
    20        0.6921             nan     0.1591    0.0034
    40        0.6399             nan     0.1591    0.0005
    60        0.6192             nan     0.1591    0.0001
    80        0.6064             nan     0.1591    0.0003
   100        0.5983             nan     0.1591   -0.0000
   120        0.5930             nan     0.1591    0.0000
   140        0.5870             nan     0.1591   -0.0002
   160        0.5834             nan     0.1591   -0.0002
   180        0.5793             nan     0.1591    0.0000
   200        0.5760             nan     0.1591   -0.0000
   220        0.5732             nan     0.1591   -0.0001
   240        0.5704             nan     0.1591   -0.0000
   260        0.5679             nan     0.1591   -0.0001
   280        0.5655             nan     0.1591   -0.0003
   300        0.5627             nan     0.1591    0.0002
   320        0.5608             nan     0.1591   -0.0001
   340        0.5587             nan     0.1591   -0.0001
   360        0.5571             nan     0.1591   -0.0001
   380        0.5552             nan     0.1591   -0.0001
   400        0.5541             nan     0.1591   -0.0001
   420        0.5518             nan     0.1591    0.0002
   440        0.5504             nan     0.1591   -0.0001
   460        0.5491             nan     0.1591   -0.0001
   480        0.5481             nan     0.1591   -0.0000
   500        0.5461             nan     0.1591   -0.0001
   520        0.5446             nan     0.1591   -0.0001
   540        0.5430             nan     0.1591   -0.0001
   560        0.5418             nan     0.1591   -0.0002
   580        0.5405             nan     0.1591    0.0001
   600        0.5396             nan     0.1591   -0.0001
   620        0.5387             nan     0.1591   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9956             nan     0.1593    0.0531
     2        0.9279             nan     0.1593    0.0334
     3        0.8798             nan     0.1593    0.0237
     4        0.8432             nan     0.1593    0.0178
     5        0.8131             nan     0.1593    0.0149
     6        0.7870             nan     0.1593    0.0130
     7        0.7679             nan     0.1593    0.0092
     8        0.7507             nan     0.1593    0.0083
     9        0.7377             nan     0.1593    0.0062
    10        0.7235             nan     0.1593    0.0068
    20        0.6513             nan     0.1593    0.0016
    40        0.6092             nan     0.1593    0.0002
    60        0.5939             nan     0.1593    0.0001
    80        0.5834             nan     0.1593    0.0001
   100        0.5757             nan     0.1593   -0.0002
   120        0.5695             nan     0.1593    0.0000
   140        0.5649             nan     0.1593   -0.0002
   160        0.5600             nan     0.1593   -0.0000
   180        0.5563             nan     0.1593   -0.0001
   200        0.5528             nan     0.1593   -0.0002
   220        0.5493             nan     0.1593   -0.0002
   240        0.5459             nan     0.1593   -0.0001
   260        0.5433             nan     0.1593   -0.0002
   280        0.5410             nan     0.1593   -0.0002
   300        0.5389             nan     0.1593   -0.0001
   320        0.5368             nan     0.1593   -0.0001
   340        0.5349             nan     0.1593   -0.0002
   360        0.5336             nan     0.1593   -0.0002
   380        0.5317             nan     0.1593   -0.0002
   400        0.5297             nan     0.1593   -0.0000
   420        0.5279             nan     0.1593   -0.0001
   440        0.5258             nan     0.1593    0.0001
   460        0.5241             nan     0.1593   -0.0001
   480        0.5228             nan     0.1593   -0.0002
   500        0.5218             nan     0.1593   -0.0001
   520        0.5200             nan     0.1593   -0.0002
   540        0.5184             nan     0.1593   -0.0001
   560        0.5170             nan     0.1593   -0.0002
   580        0.5155             nan     0.1593   -0.0002
   600        0.5137             nan     0.1593   -0.0002
   620        0.5126             nan     0.1593   -0.0002
   639        0.5114             nan     0.1593   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9913             nan     0.1625    0.0543
     2        0.9200             nan     0.1625    0.0359
     3        0.8692             nan     0.1625    0.0250
     4        0.8311             nan     0.1625    0.0185
     5        0.8008             nan     0.1625    0.0145
     6        0.7772             nan     0.1625    0.0120
     7        0.7568             nan     0.1625    0.0100
     8        0.7383             nan     0.1625    0.0088
     9        0.7227             nan     0.1625    0.0075
    10        0.7091             nan     0.1625    0.0068
    20        0.6413             nan     0.1625    0.0015
    40        0.6002             nan     0.1625    0.0003
    60        0.5831             nan     0.1625   -0.0000
    80        0.5737             nan     0.1625   -0.0002
   100        0.5654             nan     0.1625    0.0000
   120        0.5597             nan     0.1625   -0.0002
   140        0.5551             nan     0.1625   -0.0002
   160        0.5494             nan     0.1625   -0.0000
   180        0.5452             nan     0.1625   -0.0001
   185        0.5445             nan     0.1625   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9906             nan     0.1685    0.0537
     2        0.9210             nan     0.1685    0.0341
     3        0.8711             nan     0.1685    0.0249
     4        0.8351             nan     0.1685    0.0175
     5        0.8037             nan     0.1685    0.0153
     6        0.7777             nan     0.1685    0.0120
     7        0.7578             nan     0.1685    0.0095
     8        0.7423             nan     0.1685    0.0071
     9        0.7287             nan     0.1685    0.0069
    10        0.7142             nan     0.1685    0.0068
    20        0.6463             nan     0.1685    0.0026
    40        0.6040             nan     0.1685    0.0006
    60        0.5860             nan     0.1685    0.0001
    80        0.5743             nan     0.1685   -0.0001
   100        0.5649             nan     0.1685    0.0000
   120        0.5575             nan     0.1685    0.0001
   140        0.5518             nan     0.1685   -0.0002
   160        0.5464             nan     0.1685   -0.0001
   180        0.5415             nan     0.1685   -0.0001
   200        0.5363             nan     0.1685   -0.0000
   220        0.5322             nan     0.1685   -0.0002
   240        0.5278             nan     0.1685   -0.0002
   260        0.5240             nan     0.1685   -0.0001
   280        0.5197             nan     0.1685   -0.0001
   300        0.5171             nan     0.1685   -0.0000
   320        0.5144             nan     0.1685   -0.0002
   340        0.5107             nan     0.1685    0.0000
   360        0.5081             nan     0.1685   -0.0001
   380        0.5051             nan     0.1685   -0.0001
   400        0.5020             nan     0.1685   -0.0001
   420        0.4992             nan     0.1685   -0.0001
   440        0.4960             nan     0.1685   -0.0000
   460        0.4930             nan     0.1685   -0.0001
   480        0.4905             nan     0.1685   -0.0001
   500        0.4880             nan     0.1685   -0.0001
   520        0.4855             nan     0.1685   -0.0001
   540        0.4833             nan     0.1685   -0.0001
   560        0.4811             nan     0.1685   -0.0001
   580        0.4788             nan     0.1685   -0.0002
   600        0.4763             nan     0.1685   -0.0001
   620        0.4740             nan     0.1685   -0.0001
   640        0.4718             nan     0.1685   -0.0001
   660        0.4694             nan     0.1685   -0.0002
   680        0.4673             nan     0.1685   -0.0001
   700        0.4647             nan     0.1685   -0.0002
   720        0.4621             nan     0.1685   -0.0001
   740        0.4599             nan     0.1685   -0.0001
   750        0.4591             nan     0.1685   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0151             nan     0.1687    0.0423
     2        0.9576             nan     0.1687    0.0284
     3        0.9146             nan     0.1687    0.0210
     4        0.8737             nan     0.1687    0.0202
     5        0.8450             nan     0.1687    0.0140
     6        0.8212             nan     0.1687    0.0118
     7        0.8034             nan     0.1687    0.0088
     8        0.7914             nan     0.1687    0.0057
     9        0.7773             nan     0.1687    0.0067
    10        0.7627             nan     0.1687    0.0072
    20        0.6842             nan     0.1687    0.0024
    40        0.6365             nan     0.1687    0.0005
    60        0.6185             nan     0.1687    0.0003
    80        0.6068             nan     0.1687   -0.0000
   100        0.5990             nan     0.1687   -0.0001
   120        0.5937             nan     0.1687    0.0000
   140        0.5891             nan     0.1687   -0.0000
   160        0.5853             nan     0.1687   -0.0001
   180        0.5827             nan     0.1687    0.0000
   200        0.5794             nan     0.1687   -0.0002
   220        0.5761             nan     0.1687    0.0001
   240        0.5730             nan     0.1687    0.0000
   257        0.5714             nan     0.1687   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0149             nan     0.1688    0.0428
     2        0.9569             nan     0.1688    0.0284
     3        0.9127             nan     0.1688    0.0213
     4        0.8728             nan     0.1688    0.0202
     5        0.8433             nan     0.1688    0.0151
     6        0.8218             nan     0.1688    0.0114
     7        0.8059             nan     0.1688    0.0079
     8        0.7921             nan     0.1688    0.0063
     9        0.7775             nan     0.1688    0.0074
    10        0.7637             nan     0.1688    0.0072
    20        0.6830             nan     0.1688    0.0030
    40        0.6330             nan     0.1688    0.0003
    60        0.6137             nan     0.1688    0.0004
    80        0.6018             nan     0.1688    0.0000
   100        0.5936             nan     0.1688   -0.0000
   120        0.5888             nan     0.1688    0.0000
   140        0.5831             nan     0.1688    0.0002
   160        0.5788             nan     0.1688   -0.0001
   180        0.5747             nan     0.1688    0.0001
   200        0.5721             nan     0.1688   -0.0000
   220        0.5677             nan     0.1688   -0.0001
   240        0.5649             nan     0.1688   -0.0001
   260        0.5625             nan     0.1688   -0.0001
   280        0.5597             nan     0.1688   -0.0000
   300        0.5575             nan     0.1688   -0.0001
   320        0.5558             nan     0.1688   -0.0002
   340        0.5544             nan     0.1688   -0.0001
   360        0.5528             nan     0.1688   -0.0001
   380        0.5512             nan     0.1688   -0.0001
   400        0.5499             nan     0.1688   -0.0001
   420        0.5482             nan     0.1688   -0.0001
   440        0.5472             nan     0.1688   -0.0001
   460        0.5457             nan     0.1688   -0.0001
   480        0.5443             nan     0.1688   -0.0001
   500        0.5429             nan     0.1688   -0.0001
   520        0.5414             nan     0.1688   -0.0001
   540        0.5401             nan     0.1688   -0.0001
   560        0.5386             nan     0.1688   -0.0000
   572        0.5381             nan     0.1688   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9853             nan     0.1722    0.0578
     2        0.9116             nan     0.1722    0.0368
     3        0.8604             nan     0.1722    0.0248
     4        0.8219             nan     0.1722    0.0184
     5        0.7925             nan     0.1722    0.0145
     6        0.7665             nan     0.1722    0.0132
     7        0.7449             nan     0.1722    0.0103
     8        0.7270             nan     0.1722    0.0088
     9        0.7135             nan     0.1722    0.0061
    10        0.7029             nan     0.1722    0.0049
    20        0.6367             nan     0.1722    0.0024
    40        0.5919             nan     0.1722    0.0003
    60        0.5740             nan     0.1722    0.0008
    80        0.5644             nan     0.1722   -0.0001
   100        0.5554             nan     0.1722   -0.0000
   120        0.5498             nan     0.1722   -0.0002
   140        0.5421             nan     0.1722   -0.0001
   160        0.5370             nan     0.1722   -0.0001
   180        0.5320             nan     0.1722   -0.0001
   200        0.5277             nan     0.1722   -0.0002
   220        0.5233             nan     0.1722   -0.0002
   240        0.5197             nan     0.1722   -0.0002
   260        0.5163             nan     0.1722   -0.0001
   280        0.5131             nan     0.1722   -0.0002
   300        0.5098             nan     0.1722   -0.0003
   320        0.5069             nan     0.1722   -0.0002
   340        0.5039             nan     0.1722   -0.0001
   360        0.5009             nan     0.1722   -0.0003
   380        0.4979             nan     0.1722   -0.0001
   400        0.4941             nan     0.1722   -0.0002
   420        0.4910             nan     0.1722   -0.0002
   440        0.4883             nan     0.1722   -0.0002
   460        0.4860             nan     0.1722   -0.0001
   480        0.4839             nan     0.1722   -0.0001
   500        0.4816             nan     0.1722   -0.0002
   520        0.4790             nan     0.1722   -0.0002
   540        0.4769             nan     0.1722   -0.0003
   560        0.4742             nan     0.1722   -0.0002
   580        0.4716             nan     0.1722   -0.0002
   600        0.4688             nan     0.1722   -0.0001
   620        0.4664             nan     0.1722   -0.0002
   640        0.4645             nan     0.1722   -0.0001
   660        0.4628             nan     0.1722   -0.0002
   665        0.4622             nan     0.1722   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9844             nan     0.1728    0.0572
     2        0.9125             nan     0.1728    0.0354
     3        0.8607             nan     0.1728    0.0256
     4        0.8228             nan     0.1728    0.0185
     5        0.7951             nan     0.1728    0.0136
     6        0.7692             nan     0.1728    0.0129
     7        0.7478             nan     0.1728    0.0103
     8        0.7307             nan     0.1728    0.0083
     9        0.7163             nan     0.1728    0.0067
    10        0.7039             nan     0.1728    0.0058
    20        0.6391             nan     0.1728    0.0012
    40        0.5997             nan     0.1728    0.0002
    60        0.5866             nan     0.1728    0.0002
    80        0.5765             nan     0.1728   -0.0002
   100        0.5691             nan     0.1728   -0.0001
   120        0.5644             nan     0.1728   -0.0001
   140        0.5579             nan     0.1728   -0.0000
   160        0.5528             nan     0.1728   -0.0002
   180        0.5492             nan     0.1728   -0.0002
   200        0.5458             nan     0.1728   -0.0002
   220        0.5415             nan     0.1728   -0.0001
   240        0.5383             nan     0.1728   -0.0002
   260        0.5353             nan     0.1728   -0.0002
   280        0.5320             nan     0.1728   -0.0001
   300        0.5295             nan     0.1728   -0.0004
   320        0.5264             nan     0.1728   -0.0001
   340        0.5245             nan     0.1728   -0.0002
   360        0.5217             nan     0.1728   -0.0001
   380        0.5192             nan     0.1728   -0.0003
   400        0.5176             nan     0.1728   -0.0003
   420        0.5153             nan     0.1728   -0.0002
   434        0.5139             nan     0.1728   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9883             nan     0.1746    0.0566
     2        0.9186             nan     0.1746    0.0351
     3        0.8670             nan     0.1746    0.0248
     4        0.8285             nan     0.1746    0.0188
     5        0.7995             nan     0.1746    0.0137
     6        0.7709             nan     0.1746    0.0142
     7        0.7523             nan     0.1746    0.0093
     8        0.7344             nan     0.1746    0.0090
     9        0.7185             nan     0.1746    0.0077
    10        0.7054             nan     0.1746    0.0061
    20        0.6410             nan     0.1746    0.0021
    40        0.6019             nan     0.1746    0.0004
    60        0.5849             nan     0.1746   -0.0000
    80        0.5739             nan     0.1746   -0.0002
   100        0.5662             nan     0.1746    0.0000
   120        0.5587             nan     0.1746    0.0000
   140        0.5503             nan     0.1746   -0.0001
   160        0.5452             nan     0.1746    0.0001
   180        0.5411             nan     0.1746   -0.0001
   200        0.5363             nan     0.1746   -0.0001
   220        0.5294             nan     0.1746   -0.0001
   240        0.5248             nan     0.1746   -0.0002
   260        0.5205             nan     0.1746   -0.0002
   280        0.5168             nan     0.1746   -0.0000
   300        0.5135             nan     0.1746   -0.0002
   320        0.5095             nan     0.1746   -0.0001
   340        0.5062             nan     0.1746   -0.0001
   360        0.5035             nan     0.1746   -0.0001
   380        0.5015             nan     0.1746   -0.0001
   400        0.4989             nan     0.1746   -0.0002
   420        0.4952             nan     0.1746   -0.0001
   440        0.4924             nan     0.1746   -0.0003
   460        0.4899             nan     0.1746   -0.0001
   480        0.4874             nan     0.1746   -0.0002
   500        0.4850             nan     0.1746   -0.0001
   520        0.4823             nan     0.1746   -0.0001
   540        0.4800             nan     0.1746   -0.0002
   560        0.4776             nan     0.1746   -0.0003
   580        0.4753             nan     0.1746   -0.0000
   600        0.4732             nan     0.1746   -0.0001
   620        0.4713             nan     0.1746   -0.0001
   640        0.4691             nan     0.1746   -0.0001
   660        0.4670             nan     0.1746   -0.0001
   680        0.4655             nan     0.1746   -0.0001
   700        0.4630             nan     0.1746   -0.0001
   720        0.4606             nan     0.1746   -0.0001
   740        0.4587             nan     0.1746   -0.0001
   760        0.4566             nan     0.1746   -0.0001
   780        0.4549             nan     0.1746   -0.0002
   800        0.4531             nan     0.1746   -0.0001
   820        0.4510             nan     0.1746   -0.0000
   840        0.4488             nan     0.1746   -0.0001
   860        0.4472             nan     0.1746   -0.0001
   870        0.4464             nan     0.1746   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9952             nan     0.1804    0.0527
     2        0.9232             nan     0.1804    0.0354
     3        0.8759             nan     0.1804    0.0228
     4        0.8351             nan     0.1804    0.0201
     5        0.8044             nan     0.1804    0.0153
     6        0.7807             nan     0.1804    0.0114
     7        0.7656             nan     0.1804    0.0071
     8        0.7492             nan     0.1804    0.0080
     9        0.7367             nan     0.1804    0.0058
    10        0.7248             nan     0.1804    0.0052
    20        0.6568             nan     0.1804    0.0015
    40        0.6158             nan     0.1804    0.0004
    60        0.5988             nan     0.1804    0.0004
    80        0.5884             nan     0.1804   -0.0000
   100        0.5808             nan     0.1804   -0.0000
   120        0.5750             nan     0.1804   -0.0000
   140        0.5704             nan     0.1804    0.0000
   160        0.5673             nan     0.1804   -0.0000
   180        0.5636             nan     0.1804   -0.0003
   200        0.5601             nan     0.1804    0.0000
   220        0.5578             nan     0.1804   -0.0002
   240        0.5547             nan     0.1804   -0.0001
   260        0.5517             nan     0.1804   -0.0002
   280        0.5479             nan     0.1804    0.0001
   300        0.5458             nan     0.1804   -0.0002
   320        0.5440             nan     0.1804   -0.0001
   340        0.5414             nan     0.1804   -0.0001
   360        0.5396             nan     0.1804   -0.0001
   380        0.5380             nan     0.1804   -0.0002
   400        0.5367             nan     0.1804   -0.0001
   420        0.5349             nan     0.1804   -0.0001
   440        0.5333             nan     0.1804   -0.0001
   460        0.5317             nan     0.1804   -0.0001
   480        0.5299             nan     0.1804   -0.0002
   500        0.5287             nan     0.1804   -0.0001
   520        0.5276             nan     0.1804   -0.0001
   540        0.5260             nan     0.1804   -0.0001
   560        0.5244             nan     0.1804   -0.0002
   580        0.5231             nan     0.1804   -0.0001
   600        0.5223             nan     0.1804   -0.0001
   620        0.5211             nan     0.1804   -0.0001
   640        0.5204             nan     0.1804   -0.0002
   660        0.5190             nan     0.1804   -0.0001
   667        0.5186             nan     0.1804   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9931             nan     0.1837    0.0532
     2        0.9224             nan     0.1837    0.0353
     3        0.8751             nan     0.1837    0.0235
     4        0.8375             nan     0.1837    0.0185
     5        0.8062             nan     0.1837    0.0156
     6        0.7826             nan     0.1837    0.0118
     7        0.7632             nan     0.1837    0.0094
     8        0.7491             nan     0.1837    0.0067
     9        0.7354             nan     0.1837    0.0068
    10        0.7229             nan     0.1837    0.0057
    20        0.6553             nan     0.1837    0.0019
    40        0.6144             nan     0.1837    0.0007
    60        0.5964             nan     0.1837    0.0000
    80        0.5858             nan     0.1837   -0.0001
   100        0.5764             nan     0.1837   -0.0000
   120        0.5716             nan     0.1837   -0.0002
   140        0.5653             nan     0.1837   -0.0002
   160        0.5612             nan     0.1837   -0.0002
   180        0.5570             nan     0.1837   -0.0001
   200        0.5540             nan     0.1837    0.0000
   220        0.5505             nan     0.1837   -0.0000
   240        0.5483             nan     0.1837   -0.0001
   260        0.5451             nan     0.1837   -0.0002
   280        0.5428             nan     0.1837   -0.0002
   300        0.5404             nan     0.1837   -0.0002
   320        0.5379             nan     0.1837   -0.0001
   340        0.5353             nan     0.1837   -0.0002
   360        0.5327             nan     0.1837    0.0000
   380        0.5308             nan     0.1837   -0.0001
   400        0.5292             nan     0.1837   -0.0001
   420        0.5276             nan     0.1837   -0.0002
   440        0.5260             nan     0.1837   -0.0001
   460        0.5242             nan     0.1837   -0.0002
   480        0.5224             nan     0.1837   -0.0001
   500        0.5202             nan     0.1837   -0.0002
   507        0.5198             nan     0.1837   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0088             nan     0.1839    0.0463
     2        0.9467             nan     0.1839    0.0303
     3        0.9025             nan     0.1839    0.0212
     4        0.8610             nan     0.1839    0.0209
     5        0.8318             nan     0.1839    0.0144
     6        0.8118             nan     0.1839    0.0103
     7        0.7919             nan     0.1839    0.0100
     8        0.7797             nan     0.1839    0.0057
     9        0.7634             nan     0.1839    0.0079
    10        0.7518             nan     0.1839    0.0054
    20        0.6779             nan     0.1839    0.0020
    40        0.6303             nan     0.1839    0.0003
    60        0.6130             nan     0.1839    0.0002
    80        0.6029             nan     0.1839    0.0000
   100        0.5959             nan     0.1839    0.0004
   120        0.5912             nan     0.1839   -0.0000
   140        0.5875             nan     0.1839   -0.0001
   160        0.5841             nan     0.1839    0.0000
   180        0.5806             nan     0.1839    0.0002
   200        0.5778             nan     0.1839   -0.0001
   220        0.5754             nan     0.1839   -0.0002
   240        0.5738             nan     0.1839   -0.0000
   260        0.5711             nan     0.1839    0.0000
   280        0.5693             nan     0.1839   -0.0001
   300        0.5674             nan     0.1839   -0.0001
   320        0.5659             nan     0.1839   -0.0000
   340        0.5645             nan     0.1839   -0.0001
   360        0.5630             nan     0.1839   -0.0002
   380        0.5614             nan     0.1839    0.0000
   400        0.5604             nan     0.1839   -0.0001
   420        0.5590             nan     0.1839   -0.0002
   440        0.5580             nan     0.1839   -0.0002
   460        0.5569             nan     0.1839   -0.0001
   480        0.5553             nan     0.1839   -0.0001
   500        0.5540             nan     0.1839   -0.0001
   520        0.5527             nan     0.1839   -0.0001
   540        0.5514             nan     0.1839   -0.0000
   560        0.5506             nan     0.1839   -0.0001
   580        0.5495             nan     0.1839   -0.0002
   600        0.5484             nan     0.1839   -0.0002
   620        0.5478             nan     0.1839   -0.0001
   640        0.5471             nan     0.1839   -0.0001
   660        0.5464             nan     0.1839   -0.0003
   680        0.5457             nan     0.1839   -0.0001
   700        0.5447             nan     0.1839   -0.0001
   706        0.5445             nan     0.1839   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0033             nan     0.1931    0.0486
     2        0.9413             nan     0.1931    0.0313
     3        0.8903             nan     0.1931    0.0257
     4        0.8546             nan     0.1931    0.0178
     5        0.8288             nan     0.1931    0.0124
     6        0.8094             nan     0.1931    0.0097
     7        0.7916             nan     0.1931    0.0083
     8        0.7728             nan     0.1931    0.0093
     9        0.7576             nan     0.1931    0.0074
    10        0.7463             nan     0.1931    0.0058
    20        0.6725             nan     0.1931    0.0014
    40        0.6280             nan     0.1931    0.0003
    60        0.6106             nan     0.1931    0.0004
    80        0.6009             nan     0.1931    0.0005
   100        0.5935             nan     0.1931   -0.0000
   120        0.5880             nan     0.1931   -0.0002
   140        0.5833             nan     0.1931   -0.0001
   160        0.5791             nan     0.1931   -0.0001
   180        0.5762             nan     0.1931    0.0000
   200        0.5732             nan     0.1931   -0.0000
   220        0.5710             nan     0.1931   -0.0002
   240        0.5689             nan     0.1931    0.0000
   260        0.5664             nan     0.1931   -0.0000
   280        0.5641             nan     0.1931   -0.0001
   300        0.5621             nan     0.1931   -0.0000
   320        0.5597             nan     0.1931    0.0001
   340        0.5576             nan     0.1931   -0.0001
   360        0.5561             nan     0.1931   -0.0001
   380        0.5549             nan     0.1931   -0.0001
   400        0.5536             nan     0.1931   -0.0001
   420        0.5525             nan     0.1931   -0.0002
   440        0.5513             nan     0.1931   -0.0002
   460        0.5500             nan     0.1931   -0.0001
   480        0.5491             nan     0.1931   -0.0000
   500        0.5485             nan     0.1931   -0.0001
   520        0.5475             nan     0.1931   -0.0002
   540        0.5467             nan     0.1931   -0.0000
   560        0.5454             nan     0.1931   -0.0000
   580        0.5447             nan     0.1931   -0.0002
   600        0.5437             nan     0.1931   -0.0001
   620        0.5427             nan     0.1931   -0.0001
   637        0.5423             nan     0.1931   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9889             nan     0.1938    0.0558
     2        0.9143             nan     0.1938    0.0368
     3        0.8606             nan     0.1938    0.0262
     4        0.8267             nan     0.1938    0.0166
     5        0.7937             nan     0.1938    0.0159
     6        0.7688             nan     0.1938    0.0120
     7        0.7543             nan     0.1938    0.0072
     8        0.7387             nan     0.1938    0.0077
     9        0.7268             nan     0.1938    0.0057
    10        0.7129             nan     0.1938    0.0067
    20        0.6497             nan     0.1938    0.0020
    40        0.6084             nan     0.1938    0.0002
    60        0.5916             nan     0.1938    0.0001
    80        0.5810             nan     0.1938    0.0000
   100        0.5723             nan     0.1938   -0.0002
   120        0.5647             nan     0.1938   -0.0000
   140        0.5596             nan     0.1938   -0.0001
   160        0.5540             nan     0.1938   -0.0002
   180        0.5505             nan     0.1938   -0.0003
   200        0.5474             nan     0.1938   -0.0001
   220        0.5441             nan     0.1938   -0.0001
   240        0.5406             nan     0.1938   -0.0001
   260        0.5385             nan     0.1938   -0.0002
   280        0.5358             nan     0.1938   -0.0002
   300        0.5337             nan     0.1938   -0.0002
   320        0.5314             nan     0.1938   -0.0001
   340        0.5295             nan     0.1938   -0.0001
   360        0.5274             nan     0.1938   -0.0001
   380        0.5253             nan     0.1938   -0.0001
   400        0.5231             nan     0.1938   -0.0001
   420        0.5207             nan     0.1938   -0.0001
   440        0.5183             nan     0.1938   -0.0002
   460        0.5165             nan     0.1938   -0.0002
   480        0.5149             nan     0.1938   -0.0001
   500        0.5133             nan     0.1938   -0.0001
   520        0.5115             nan     0.1938   -0.0001
   523        0.5113             nan     0.1938   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0276             nan     0.1946    0.0350
     2        0.9858             nan     0.1946    0.0195
     3        0.9427             nan     0.1946    0.0212
     4        0.9126             nan     0.1946    0.0150
     5        0.8839             nan     0.1946    0.0137
     6        0.8659             nan     0.1946    0.0089
     7        0.8471             nan     0.1946    0.0090
     8        0.8301             nan     0.1946    0.0084
     9        0.8188             nan     0.1946    0.0057
    10        0.8063             nan     0.1946    0.0059
    20        0.7307             nan     0.1946    0.0023
    40        0.6651             nan     0.1946    0.0006
    60        0.6409             nan     0.1946    0.0002
    80        0.6268             nan     0.1946    0.0001
   100        0.6180             nan     0.1946    0.0001
   120        0.6125             nan     0.1946    0.0001
   140        0.6069             nan     0.1946    0.0001
   160        0.6030             nan     0.1946   -0.0001
   180        0.5999             nan     0.1946   -0.0000
   200        0.5977             nan     0.1946   -0.0001
   220        0.5956             nan     0.1946   -0.0001
   240        0.5938             nan     0.1946   -0.0001
   260        0.5923             nan     0.1946   -0.0000
   280        0.5911             nan     0.1946   -0.0001
   300        0.5900             nan     0.1946   -0.0001
   320        0.5884             nan     0.1946   -0.0001
   340        0.5874             nan     0.1946   -0.0000
   360        0.5865             nan     0.1946   -0.0000
   380        0.5859             nan     0.1946   -0.0001
   400        0.5848             nan     0.1946   -0.0000
   420        0.5842             nan     0.1946   -0.0001
   440        0.5835             nan     0.1946   -0.0001
   460        0.5828             nan     0.1946   -0.0000
   480        0.5821             nan     0.1946   -0.0001
   500        0.5816             nan     0.1946   -0.0001
   520        0.5811             nan     0.1946    0.0000
   540        0.5809             nan     0.1946   -0.0002
   560        0.5805             nan     0.1946   -0.0001
   580        0.5800             nan     0.1946   -0.0001
   600        0.5795             nan     0.1946   -0.0001
   603        0.5794             nan     0.1946   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0025             nan     0.1956    0.0488
     2        0.9399             nan     0.1956    0.0315
     3        0.8883             nan     0.1956    0.0253
     4        0.8582             nan     0.1956    0.0151
     5        0.8305             nan     0.1956    0.0142
     6        0.8085             nan     0.1956    0.0106
     7        0.7891             nan     0.1956    0.0094
     8        0.7700             nan     0.1956    0.0095
     9        0.7555             nan     0.1956    0.0069
    10        0.7458             nan     0.1956    0.0045
    20        0.6696             nan     0.1956    0.0019
    40        0.6264             nan     0.1956    0.0001
    60        0.6084             nan     0.1956    0.0005
    80        0.5987             nan     0.1956    0.0001
   100        0.5907             nan     0.1956    0.0000
   120        0.5850             nan     0.1956    0.0002
   140        0.5803             nan     0.1956   -0.0000
   160        0.5766             nan     0.1956   -0.0001
   180        0.5720             nan     0.1956   -0.0001
   200        0.5687             nan     0.1956    0.0001
   220        0.5651             nan     0.1956   -0.0001
   240        0.5618             nan     0.1956   -0.0001
   260        0.5603             nan     0.1956   -0.0001
   280        0.5570             nan     0.1956   -0.0002
   300        0.5551             nan     0.1956    0.0000
   310        0.5546             nan     0.1956   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0027             nan     0.1958    0.0484
     2        0.9399             nan     0.1958    0.0310
     3        0.8873             nan     0.1958    0.0260
     4        0.8603             nan     0.1958    0.0129
     5        0.8285             nan     0.1958    0.0159
     6        0.8090             nan     0.1958    0.0096
     7        0.7906             nan     0.1958    0.0086
     8        0.7711             nan     0.1958    0.0095
     9        0.7557             nan     0.1958    0.0074
    10        0.7441             nan     0.1958    0.0056
    20        0.6730             nan     0.1958    0.0014
    40        0.6292             nan     0.1958    0.0002
    60        0.6111             nan     0.1958    0.0005
    80        0.6014             nan     0.1958   -0.0000
   100        0.5944             nan     0.1958   -0.0001
   120        0.5889             nan     0.1958    0.0000
   140        0.5855             nan     0.1958   -0.0001
   160        0.5818             nan     0.1958    0.0003
   180        0.5790             nan     0.1958   -0.0001
   200        0.5764             nan     0.1958   -0.0000
   220        0.5737             nan     0.1958   -0.0001
   240        0.5709             nan     0.1958   -0.0001
   260        0.5684             nan     0.1958   -0.0001
   280        0.5665             nan     0.1958   -0.0002
   300        0.5634             nan     0.1958    0.0001
   320        0.5617             nan     0.1958    0.0000
   340        0.5601             nan     0.1958   -0.0000
   360        0.5584             nan     0.1958   -0.0001
   380        0.5572             nan     0.1958   -0.0002
   400        0.5561             nan     0.1958   -0.0001
   420        0.5545             nan     0.1958   -0.0001
   440        0.5536             nan     0.1958   -0.0001
   460        0.5527             nan     0.1958   -0.0001
   467        0.5523             nan     0.1958   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9999             nan     0.1968    0.0488
     2        0.9258             nan     0.1968    0.0377
     3        0.8815             nan     0.1968    0.0218
     4        0.8441             nan     0.1968    0.0181
     5        0.8184             nan     0.1968    0.0126
     6        0.7983             nan     0.1968    0.0098
     7        0.7803             nan     0.1968    0.0090
     8        0.7666             nan     0.1968    0.0063
     9        0.7551             nan     0.1968    0.0056
    10        0.7409             nan     0.1968    0.0070
    20        0.6718             nan     0.1968    0.0023
    40        0.6265             nan     0.1968    0.0002
    60        0.6099             nan     0.1968    0.0002
    80        0.5985             nan     0.1968    0.0001
   100        0.5907             nan     0.1968    0.0002
   120        0.5849             nan     0.1968   -0.0001
   140        0.5809             nan     0.1968   -0.0001
   160        0.5774             nan     0.1968   -0.0001
   180        0.5751             nan     0.1968   -0.0001
   200        0.5715             nan     0.1968   -0.0001
   220        0.5684             nan     0.1968    0.0000
   240        0.5655             nan     0.1968   -0.0001
   260        0.5630             nan     0.1968   -0.0001
   277        0.5610             nan     0.1968   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0029             nan     0.1973    0.0490
     2        0.9400             nan     0.1973    0.0317
     3        0.8876             nan     0.1973    0.0257
     4        0.8545             nan     0.1973    0.0165
     5        0.8282             nan     0.1973    0.0132
     6        0.8062             nan     0.1973    0.0109
     7        0.7858             nan     0.1973    0.0106
     8        0.7699             nan     0.1973    0.0079
     9        0.7573             nan     0.1973    0.0062
    10        0.7447             nan     0.1973    0.0064
    20        0.6695             nan     0.1973    0.0030
    40        0.6276             nan     0.1973    0.0005
    60        0.6110             nan     0.1973    0.0001
    80        0.6007             nan     0.1973    0.0002
   100        0.5930             nan     0.1973   -0.0000
   120        0.5874             nan     0.1973   -0.0000
   140        0.5834             nan     0.1973    0.0001
   160        0.5795             nan     0.1973    0.0001
   180        0.5768             nan     0.1973   -0.0000
   200        0.5741             nan     0.1973   -0.0000
   220        0.5714             nan     0.1973   -0.0001
   240        0.5688             nan     0.1973   -0.0001
   260        0.5676             nan     0.1973   -0.0001
   280        0.5664             nan     0.1973   -0.0002
   300        0.5647             nan     0.1973   -0.0001
   320        0.5618             nan     0.1973   -0.0001
   340        0.5603             nan     0.1973   -0.0002
   360        0.5590             nan     0.1973   -0.0001
   380        0.5578             nan     0.1973   -0.0002
   400        0.5561             nan     0.1973    0.0000
   420        0.5548             nan     0.1973   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9854             nan     0.1983    0.0555
     2        0.9111             nan     0.1983    0.0370
     3        0.8632             nan     0.1983    0.0239
     4        0.8228             nan     0.1983    0.0206
     5        0.7983             nan     0.1983    0.0123
     6        0.7754             nan     0.1983    0.0114
     7        0.7578             nan     0.1983    0.0081
     8        0.7435             nan     0.1983    0.0071
     9        0.7292             nan     0.1983    0.0069
    10        0.7147             nan     0.1983    0.0069
    20        0.6489             nan     0.1983    0.0021
    40        0.6125             nan     0.1983    0.0002
    60        0.5980             nan     0.1983    0.0001
    80        0.5885             nan     0.1983   -0.0001
   100        0.5810             nan     0.1983   -0.0001
   120        0.5741             nan     0.1983    0.0000
   140        0.5688             nan     0.1983   -0.0001
   160        0.5650             nan     0.1983   -0.0000
   180        0.5615             nan     0.1983   -0.0001
   200        0.5582             nan     0.1983   -0.0002
   220        0.5558             nan     0.1983   -0.0002
   240        0.5528             nan     0.1983   -0.0001
   260        0.5501             nan     0.1983   -0.0002
   280        0.5471             nan     0.1983   -0.0001
   300        0.5453             nan     0.1983   -0.0001
   320        0.5435             nan     0.1983   -0.0002
   340        0.5420             nan     0.1983   -0.0002
   360        0.5392             nan     0.1983   -0.0001
   380        0.5376             nan     0.1983   -0.0001
   400        0.5359             nan     0.1983   -0.0002
   420        0.5336             nan     0.1983   -0.0002
   440        0.5324             nan     0.1983   -0.0002
   460        0.5302             nan     0.1983   -0.0001
   480        0.5288             nan     0.1983   -0.0001
   500        0.5276             nan     0.1983   -0.0001
   520        0.5264             nan     0.1983   -0.0002
   540        0.5251             nan     0.1983   -0.0001
   560        0.5237             nan     0.1983   -0.0002
   580        0.5228             nan     0.1983   -0.0002
   594        0.5224             nan     0.1983   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9854             nan     0.1999    0.0572
     2        0.9102             nan     0.1999    0.0383
     3        0.8620             nan     0.1999    0.0239
     4        0.8286             nan     0.1999    0.0166
     5        0.7982             nan     0.1999    0.0154
     6        0.7783             nan     0.1999    0.0098
     7        0.7584             nan     0.1999    0.0096
     8        0.7396             nan     0.1999    0.0090
     9        0.7243             nan     0.1999    0.0069
    10        0.7124             nan     0.1999    0.0058
    20        0.6494             nan     0.1999    0.0016
    40        0.6086             nan     0.1999    0.0000
    60        0.5917             nan     0.1999    0.0001
    80        0.5812             nan     0.1999   -0.0000
   100        0.5744             nan     0.1999   -0.0001
   120        0.5674             nan     0.1999   -0.0002
   140        0.5618             nan     0.1999   -0.0001
   160        0.5580             nan     0.1999   -0.0001
   180        0.5540             nan     0.1999    0.0000
   196        0.5520             nan     0.1999   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0918             nan     0.0116    0.0043
     2        1.0837             nan     0.0116    0.0041
     3        1.0756             nan     0.0116    0.0040
     4        1.0678             nan     0.0116    0.0039
     5        1.0602             nan     0.0116    0.0038
     6        1.0529             nan     0.0116    0.0036
     7        1.0458             nan     0.0116    0.0035
     8        1.0388             nan     0.0116    0.0034
     9        1.0320             nan     0.0116    0.0033
    10        1.0255             nan     0.0116    0.0033
    20        0.9686             nan     0.0116    0.0025
    40        0.8880             nan     0.0116    0.0016
    60        0.8327             nan     0.0116    0.0012
    80        0.7918             nan     0.0116    0.0009
   100        0.7592             nan     0.0116    0.0006
   120        0.7335             nan     0.0116    0.0005
   140        0.7125             nan     0.0116    0.0005
   160        0.6953             nan     0.0116    0.0004
   180        0.6813             nan     0.0116    0.0003
   200        0.6696             nan     0.0116    0.0003
   220        0.6604             nan     0.0116    0.0002
   240        0.6521             nan     0.0116    0.0002
   260        0.6446             nan     0.0116    0.0001
   280        0.6384             nan     0.0116    0.0001
   300        0.6328             nan     0.0116    0.0001
   320        0.6278             nan     0.0116    0.0001
   340        0.6232             nan     0.0116    0.0001
   360        0.6194             nan     0.0116    0.0001
   380        0.6159             nan     0.0116    0.0001
   400        0.6126             nan     0.0116    0.0001
   420        0.6094             nan     0.0116    0.0000
   440        0.6066             nan     0.0116    0.0000
   460        0.6039             nan     0.0116    0.0000
   480        0.6014             nan     0.0116    0.0001
   500        0.5993             nan     0.0116    0.0000
   520        0.5970             nan     0.0116    0.0000
   540        0.5949             nan     0.0116    0.0001
   560        0.5931             nan     0.0116    0.0000
   580        0.5916             nan     0.0116    0.0000
   600        0.5900             nan     0.0116    0.0000
   620        0.5882             nan     0.0116    0.0000
   628        0.5876             nan     0.0116    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0920             nan     0.0118    0.0042
     2        1.0837             nan     0.0118    0.0040
     3        1.0757             nan     0.0118    0.0039
     4        1.0680             nan     0.0118    0.0038
     5        1.0606             nan     0.0118    0.0038
     6        1.0535             nan     0.0118    0.0035
     7        1.0467             nan     0.0118    0.0034
     8        1.0402             nan     0.0118    0.0033
     9        1.0335             nan     0.0118    0.0033
    10        1.0270             nan     0.0118    0.0032
    20        0.9723             nan     0.0118    0.0025
    40        0.8936             nan     0.0118    0.0017
    60        0.8405             nan     0.0118    0.0013
    80        0.7993             nan     0.0118    0.0009
   100        0.7674             nan     0.0118    0.0007
   120        0.7423             nan     0.0118    0.0005
   140        0.7220             nan     0.0118    0.0004
   160        0.7053             nan     0.0118    0.0004
   180        0.6911             nan     0.0118    0.0003
   200        0.6796             nan     0.0118    0.0003
   220        0.6700             nan     0.0118    0.0003
   240        0.6616             nan     0.0118    0.0002
   260        0.6547             nan     0.0118    0.0001
   280        0.6485             nan     0.0118    0.0001
   300        0.6429             nan     0.0118    0.0001
   320        0.6378             nan     0.0118    0.0001
   340        0.6336             nan     0.0118    0.0001
   360        0.6298             nan     0.0118    0.0001
   366        0.6287             nan     0.0118    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0908             nan     0.0134    0.0048
     2        1.0818             nan     0.0134    0.0044
     3        1.0730             nan     0.0134    0.0044
     4        1.0645             nan     0.0134    0.0043
     5        1.0562             nan     0.0134    0.0042
     6        1.0483             nan     0.0134    0.0040
     7        1.0407             nan     0.0134    0.0039
     8        1.0332             nan     0.0134    0.0037
     9        1.0261             nan     0.0134    0.0036
    10        1.0190             nan     0.0134    0.0035
    20        0.9591             nan     0.0134    0.0026
    40        0.8769             nan     0.0134    0.0016
    60        0.8224             nan     0.0134    0.0011
    80        0.7810             nan     0.0134    0.0009
   100        0.7493             nan     0.0134    0.0006
   120        0.7254             nan     0.0134    0.0006
   140        0.7055             nan     0.0134    0.0004
   160        0.6896             nan     0.0134    0.0004
   180        0.6767             nan     0.0134    0.0003
   200        0.6662             nan     0.0134    0.0002
   220        0.6574             nan     0.0134    0.0002
   240        0.6497             nan     0.0134    0.0002
   260        0.6430             nan     0.0134    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0888             nan     0.0164    0.0058
     2        1.0774             nan     0.0164    0.0056
     3        1.0668             nan     0.0164    0.0053
     4        1.0566             nan     0.0164    0.0051
     5        1.0470             nan     0.0164    0.0048
     6        1.0377             nan     0.0164    0.0047
     7        1.0287             nan     0.0164    0.0044
     8        1.0201             nan     0.0164    0.0043
     9        1.0118             nan     0.0164    0.0042
    10        1.0037             nan     0.0164    0.0041
    20        0.9371             nan     0.0164    0.0029
    40        0.8496             nan     0.0164    0.0017
    60        0.7938             nan     0.0164    0.0012
    80        0.7532             nan     0.0164    0.0007
   100        0.7228             nan     0.0164    0.0007
   120        0.7011             nan     0.0164    0.0005
   140        0.6837             nan     0.0164    0.0003
   160        0.6693             nan     0.0164    0.0003
   180        0.6579             nan     0.0164    0.0003
   200        0.6485             nan     0.0164    0.0002
   220        0.6404             nan     0.0164    0.0001
   240        0.6341             nan     0.0164    0.0001
   260        0.6284             nan     0.0164    0.0001
   280        0.6237             nan     0.0164    0.0001
   300        0.6191             nan     0.0164    0.0001
   320        0.6151             nan     0.0164    0.0001
   340        0.6115             nan     0.0164    0.0000
   360        0.6082             nan     0.0164    0.0000
   380        0.6051             nan     0.0164    0.0000
   400        0.6023             nan     0.0164    0.0000
   420        0.5999             nan     0.0164    0.0000
   440        0.5979             nan     0.0164    0.0000
   460        0.5956             nan     0.0164    0.0000
   480        0.5934             nan     0.0164    0.0000
   500        0.5916             nan     0.0164    0.0000
   520        0.5898             nan     0.0164    0.0000
   540        0.5883             nan     0.0164   -0.0000
   560        0.5867             nan     0.0164    0.0000
   580        0.5855             nan     0.0164    0.0000
   600        0.5843             nan     0.0164    0.0000
   620        0.5829             nan     0.0164   -0.0000
   640        0.5814             nan     0.0164   -0.0000
   660        0.5803             nan     0.0164    0.0000
   680        0.5791             nan     0.0164   -0.0000
   700        0.5780             nan     0.0164   -0.0000
   720        0.5768             nan     0.0164   -0.0000
   740        0.5758             nan     0.0164    0.0000
   760        0.5748             nan     0.0164    0.0000
   780        0.5740             nan     0.0164    0.0000
   800        0.5730             nan     0.0164    0.0000
   820        0.5722             nan     0.0164    0.0000
   840        0.5713             nan     0.0164   -0.0000
   860        0.5704             nan     0.0164   -0.0000
   880        0.5693             nan     0.0164    0.0000
   900        0.5684             nan     0.0164   -0.0000
   920        0.5676             nan     0.0164    0.0000
   940        0.5669             nan     0.0164   -0.0000
   960        0.5661             nan     0.0164    0.0000
   980        0.5653             nan     0.0164    0.0000
   985        0.5652             nan     0.0164    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0898             nan     0.0166    0.0054
     2        1.0796             nan     0.0166    0.0052
     3        1.0699             nan     0.0166    0.0048
     4        1.0605             nan     0.0166    0.0046
     5        1.0516             nan     0.0166    0.0044
     6        1.0430             nan     0.0166    0.0042
     7        1.0345             nan     0.0166    0.0042
     8        1.0263             nan     0.0166    0.0042
     9        1.0185             nan     0.0166    0.0040
    10        1.0109             nan     0.0166    0.0037
    20        0.9467             nan     0.0166    0.0028
    40        0.8588             nan     0.0166    0.0016
    60        0.8031             nan     0.0166    0.0010
    80        0.7659             nan     0.0166    0.0007
   100        0.7383             nan     0.0166    0.0006
   120        0.7167             nan     0.0166    0.0004
   136        0.7022             nan     0.0166    0.0004

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0872             nan     0.0205    0.0066
     2        1.0746             nan     0.0205    0.0062
     3        1.0627             nan     0.0205    0.0059
     4        1.0514             nan     0.0205    0.0057
     5        1.0406             nan     0.0205    0.0054
     6        1.0305             nan     0.0205    0.0050
     7        1.0205             nan     0.0205    0.0049
     8        1.0110             nan     0.0205    0.0048
     9        1.0023             nan     0.0205    0.0044
    10        0.9940             nan     0.0205    0.0043
    20        0.9226             nan     0.0205    0.0031
    40        0.8286             nan     0.0205    0.0018
    60        0.7757             nan     0.0205    0.0009
    80        0.7395             nan     0.0205    0.0008
   100        0.7131             nan     0.0205    0.0006
   120        0.6922             nan     0.0205    0.0003
   140        0.6768             nan     0.0205    0.0002
   160        0.6641             nan     0.0205    0.0002
   180        0.6545             nan     0.0205    0.0002
   200        0.6462             nan     0.0205    0.0002
   220        0.6391             nan     0.0205    0.0001
   240        0.6333             nan     0.0205    0.0001
   260        0.6284             nan     0.0205    0.0001
   280        0.6241             nan     0.0205    0.0001
   300        0.6205             nan     0.0205    0.0000
   320        0.6171             nan     0.0205    0.0000
   340        0.6139             nan     0.0205    0.0000
   360        0.6109             nan     0.0205    0.0001
   380        0.6085             nan     0.0205    0.0000
   400        0.6059             nan     0.0205    0.0001
   420        0.6037             nan     0.0205    0.0000
   440        0.6015             nan     0.0205    0.0000
   460        0.5998             nan     0.0205   -0.0000
   480        0.5980             nan     0.0205    0.0000
   500        0.5963             nan     0.0205    0.0001
   520        0.5948             nan     0.0205    0.0000
   540        0.5933             nan     0.0205   -0.0000
   560        0.5919             nan     0.0205    0.0000
   580        0.5906             nan     0.0205    0.0000
   600        0.5894             nan     0.0205    0.0000
   620        0.5884             nan     0.0205    0.0000
   640        0.5872             nan     0.0205    0.0000
   660        0.5861             nan     0.0205   -0.0000
   680        0.5850             nan     0.0205    0.0000
   700        0.5836             nan     0.0205   -0.0000
   720        0.5826             nan     0.0205   -0.0000
   740        0.5817             nan     0.0205   -0.0000
   760        0.5808             nan     0.0205    0.0000
   780        0.5799             nan     0.0205   -0.0000
   800        0.5790             nan     0.0205    0.0000
   820        0.5782             nan     0.0205    0.0000
   840        0.5773             nan     0.0205    0.0000
   860        0.5766             nan     0.0205    0.0000
   880        0.5758             nan     0.0205    0.0000
   900        0.5751             nan     0.0205   -0.0000
   920        0.5744             nan     0.0205   -0.0000
   940        0.5737             nan     0.0205   -0.0000
   950        0.5734             nan     0.0205    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0801             nan     0.0280    0.0101
     2        1.0609             nan     0.0280    0.0095
     3        1.0435             nan     0.0280    0.0087
     4        1.0266             nan     0.0280    0.0081
     5        1.0112             nan     0.0280    0.0076
     6        0.9970             nan     0.0280    0.0072
     7        0.9837             nan     0.0280    0.0067
     8        0.9710             nan     0.0280    0.0062
     9        0.9588             nan     0.0280    0.0061
    10        0.9475             nan     0.0280    0.0056
    20        0.8609             nan     0.0280    0.0035
    40        0.7631             nan     0.0280    0.0018
    60        0.7068             nan     0.0280    0.0010
    80        0.6740             nan     0.0280    0.0007
   100        0.6516             nan     0.0280    0.0004
   120        0.6350             nan     0.0280    0.0003
   140        0.6238             nan     0.0280    0.0002
   160        0.6137             nan     0.0280    0.0002
   180        0.6060             nan     0.0280    0.0001
   200        0.5995             nan     0.0280    0.0001
   220        0.5938             nan     0.0280    0.0001
   240        0.5886             nan     0.0280    0.0000
   260        0.5850             nan     0.0280    0.0000
   280        0.5818             nan     0.0280    0.0001
   300        0.5784             nan     0.0280   -0.0000
   320        0.5753             nan     0.0280    0.0001
   340        0.5730             nan     0.0280   -0.0000
   360        0.5708             nan     0.0280   -0.0000
   380        0.5686             nan     0.0280   -0.0000
   400        0.5664             nan     0.0280    0.0001
   420        0.5647             nan     0.0280    0.0000
   440        0.5627             nan     0.0280   -0.0000
   460        0.5606             nan     0.0280    0.0001
   480        0.5589             nan     0.0280   -0.0000
   500        0.5574             nan     0.0280   -0.0000
   520        0.5555             nan     0.0280   -0.0000
   540        0.5539             nan     0.0280    0.0000
   560        0.5523             nan     0.0280   -0.0000
   580        0.5508             nan     0.0280    0.0000
   600        0.5492             nan     0.0280    0.0000
   620        0.5478             nan     0.0280   -0.0000
   640        0.5464             nan     0.0280    0.0000
   660        0.5450             nan     0.0280   -0.0000
   680        0.5438             nan     0.0280   -0.0000
   700        0.5421             nan     0.0280    0.0000
   720        0.5407             nan     0.0280   -0.0000
   740        0.5392             nan     0.0280   -0.0000
   760        0.5382             nan     0.0280   -0.0000
   780        0.5371             nan     0.0280    0.0000
   800        0.5362             nan     0.0280    0.0000
   820        0.5348             nan     0.0280   -0.0000
   840        0.5335             nan     0.0280    0.0000
   860        0.5325             nan     0.0280   -0.0000
   880        0.5315             nan     0.0280   -0.0000
   900        0.5304             nan     0.0280   -0.0000
   918        0.5295             nan     0.0280   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0892             nan     0.0292    0.0057
     2        1.0783             nan     0.0292    0.0054
     3        1.0682             nan     0.0292    0.0051
     4        1.0582             nan     0.0292    0.0048
     5        1.0493             nan     0.0292    0.0045
     6        1.0410             nan     0.0292    0.0043
     7        1.0329             nan     0.0292    0.0040
     8        1.0259             nan     0.0292    0.0034
     9        1.0183             nan     0.0292    0.0038
    10        1.0120             nan     0.0292    0.0031
    20        0.9538             nan     0.0292    0.0026
    40        0.8772             nan     0.0292    0.0017
    60        0.8284             nan     0.0292    0.0011
    80        0.7951             nan     0.0292    0.0006
   100        0.7687             nan     0.0292    0.0005
   120        0.7477             nan     0.0292    0.0003
   140        0.7304             nan     0.0292    0.0004
   160        0.7155             nan     0.0292    0.0003
   180        0.7034             nan     0.0292    0.0002
   200        0.6926             nan     0.0292    0.0002
   220        0.6840             nan     0.0292    0.0001
   240        0.6757             nan     0.0292    0.0002
   260        0.6688             nan     0.0292    0.0001
   280        0.6627             nan     0.0292    0.0001
   300        0.6577             nan     0.0292    0.0001
   320        0.6533             nan     0.0292    0.0000
   340        0.6495             nan     0.0292    0.0000
   360        0.6459             nan     0.0292    0.0001
   380        0.6425             nan     0.0292    0.0001
   400        0.6397             nan     0.0292    0.0001
   420        0.6370             nan     0.0292    0.0000
   440        0.6346             nan     0.0292    0.0001
   460        0.6326             nan     0.0292    0.0000
   480        0.6305             nan     0.0292    0.0000
   500        0.6285             nan     0.0292    0.0001
   520        0.6269             nan     0.0292    0.0000
   540        0.6253             nan     0.0292    0.0000
   560        0.6239             nan     0.0292    0.0000
   580        0.6226             nan     0.0292    0.0000
   600        0.6212             nan     0.0292    0.0000
   620        0.6198             nan     0.0292    0.0000
   640        0.6184             nan     0.0292    0.0000
   660        0.6170             nan     0.0292    0.0000
   676        0.6161             nan     0.0292   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0793             nan     0.0297    0.0103
     2        1.0601             nan     0.0297    0.0095
     3        1.0424             nan     0.0297    0.0089
     4        1.0260             nan     0.0297    0.0083
     5        1.0108             nan     0.0297    0.0076
     6        0.9965             nan     0.0297    0.0072
     7        0.9832             nan     0.0297    0.0067
     8        0.9703             nan     0.0297    0.0065
     9        0.9585             nan     0.0297    0.0060
    10        0.9472             nan     0.0297    0.0055
    20        0.8633             nan     0.0297    0.0033
    40        0.7667             nan     0.0297    0.0019
    60        0.7122             nan     0.0297    0.0010
    80        0.6782             nan     0.0297    0.0007
   100        0.6566             nan     0.0297    0.0003
   120        0.6419             nan     0.0297    0.0003
   140        0.6298             nan     0.0297    0.0002
   160        0.6208             nan     0.0297    0.0001
   180        0.6136             nan     0.0297    0.0001
   200        0.6073             nan     0.0297    0.0001
   220        0.6021             nan     0.0297    0.0001
   240        0.5972             nan     0.0297    0.0001
   260        0.5935             nan     0.0297    0.0000
   280        0.5899             nan     0.0297    0.0001
   300        0.5869             nan     0.0297    0.0000
   320        0.5844             nan     0.0297    0.0000
   340        0.5817             nan     0.0297   -0.0000
   360        0.5789             nan     0.0297    0.0001
   380        0.5770             nan     0.0297    0.0000
   400        0.5748             nan     0.0297    0.0000
   401        0.5747             nan     0.0297    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0842             nan     0.0300    0.0081
     2        1.0690             nan     0.0300    0.0076
     3        1.0550             nan     0.0300    0.0070
     4        1.0417             nan     0.0300    0.0066
     5        1.0293             nan     0.0300    0.0061
     6        1.0174             nan     0.0300    0.0058
     7        1.0066             nan     0.0300    0.0055
     8        0.9940             nan     0.0300    0.0061
     9        0.9825             nan     0.0300    0.0058
    10        0.9730             nan     0.0300    0.0048
    20        0.8918             nan     0.0300    0.0033
    40        0.8081             nan     0.0300    0.0014
    60        0.7577             nan     0.0300    0.0010
    80        0.7239             nan     0.0300    0.0008
   100        0.6993             nan     0.0300    0.0005
   120        0.6803             nan     0.0300    0.0003
   140        0.6662             nan     0.0300    0.0003
   160        0.6555             nan     0.0300    0.0002
   180        0.6471             nan     0.0300    0.0003
   200        0.6404             nan     0.0300    0.0001
   220        0.6350             nan     0.0300    0.0001
   240        0.6305             nan     0.0300    0.0001
   260        0.6262             nan     0.0300    0.0001
   280        0.6225             nan     0.0300    0.0001
   300        0.6191             nan     0.0300    0.0001
   320        0.6164             nan     0.0300    0.0000
   340        0.6137             nan     0.0300    0.0000
   360        0.6113             nan     0.0300    0.0001
   380        0.6091             nan     0.0300   -0.0000
   400        0.6071             nan     0.0300    0.0000
   420        0.6054             nan     0.0300    0.0000
   440        0.6035             nan     0.0300    0.0000
   460        0.6017             nan     0.0300    0.0000
   480        0.6001             nan     0.0300    0.0000
   500        0.5986             nan     0.0300   -0.0000
   520        0.5971             nan     0.0300    0.0000
   540        0.5959             nan     0.0300    0.0000
   560        0.5944             nan     0.0300   -0.0000
   580        0.5933             nan     0.0300   -0.0000
   600        0.5923             nan     0.0300    0.0000
   620        0.5912             nan     0.0300   -0.0000
   640        0.5902             nan     0.0300   -0.0000
   660        0.5892             nan     0.0300    0.0000
   680        0.5882             nan     0.0300   -0.0000
   700        0.5873             nan     0.0300    0.0000
   720        0.5865             nan     0.0300   -0.0000
   740        0.5855             nan     0.0300   -0.0000
   760        0.5848             nan     0.0300   -0.0000
   780        0.5839             nan     0.0300    0.0000
   800        0.5832             nan     0.0300   -0.0000
   820        0.5823             nan     0.0300   -0.0000
   840        0.5816             nan     0.0300   -0.0000
   860        0.5810             nan     0.0300   -0.0000
   880        0.5803             nan     0.0300    0.0000
   900        0.5797             nan     0.0300   -0.0000
   920        0.5790             nan     0.0300   -0.0000
   940        0.5783             nan     0.0300   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0800             nan     0.0324    0.0101
     2        1.0611             nan     0.0324    0.0093
     3        1.0435             nan     0.0324    0.0088
     4        1.0272             nan     0.0324    0.0081
     5        1.0121             nan     0.0324    0.0074
     6        0.9979             nan     0.0324    0.0071
     7        0.9845             nan     0.0324    0.0065
     8        0.9716             nan     0.0324    0.0064
     9        0.9596             nan     0.0324    0.0059
    10        0.9485             nan     0.0324    0.0056
    20        0.8596             nan     0.0324    0.0037
    40        0.7682             nan     0.0324    0.0014
    60        0.7183             nan     0.0324    0.0008
    80        0.6856             nan     0.0324    0.0006
   100        0.6641             nan     0.0324    0.0004
   120        0.6489             nan     0.0324    0.0003
   140        0.6374             nan     0.0324    0.0001
   160        0.6297             nan     0.0324    0.0001
   180        0.6222             nan     0.0324    0.0001
   195        0.6178             nan     0.0324    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0796             nan     0.0327    0.0102
     2        1.0605             nan     0.0327    0.0096
     3        1.0427             nan     0.0327    0.0087
     4        1.0264             nan     0.0327    0.0081
     5        1.0117             nan     0.0327    0.0074
     6        0.9975             nan     0.0327    0.0071
     7        0.9840             nan     0.0327    0.0069
     8        0.9715             nan     0.0327    0.0062
     9        0.9595             nan     0.0327    0.0060
    10        0.9481             nan     0.0327    0.0056
    20        0.8604             nan     0.0327    0.0037
    40        0.7680             nan     0.0327    0.0014
    60        0.7179             nan     0.0327    0.0010
    80        0.6851             nan     0.0327    0.0005
   100        0.6636             nan     0.0327    0.0004
   120        0.6486             nan     0.0327    0.0004
   140        0.6382             nan     0.0327    0.0001
   160        0.6298             nan     0.0327    0.0001
   180        0.6230             nan     0.0327    0.0001
   200        0.6178             nan     0.0327    0.0000
   220        0.6128             nan     0.0327    0.0000
   240        0.6087             nan     0.0327    0.0001
   260        0.6050             nan     0.0327    0.0000
   280        0.6016             nan     0.0327   -0.0000
   300        0.5986             nan     0.0327    0.0001
   320        0.5960             nan     0.0327   -0.0000
   340        0.5934             nan     0.0327    0.0001
   360        0.5913             nan     0.0327    0.0000
   380        0.5895             nan     0.0327    0.0000
   400        0.5877             nan     0.0327    0.0000
   420        0.5861             nan     0.0327    0.0000
   439        0.5841             nan     0.0327    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0863             nan     0.0359    0.0070
     2        1.0730             nan     0.0359    0.0065
     3        1.0610             nan     0.0359    0.0060
     4        1.0497             nan     0.0359    0.0056
     5        1.0391             nan     0.0359    0.0052
     6        1.0294             nan     0.0359    0.0049
     7        1.0203             nan     0.0359    0.0045
     8        1.0117             nan     0.0359    0.0042
     9        1.0041             nan     0.0359    0.0037
    10        0.9958             nan     0.0359    0.0042
    20        0.9318             nan     0.0359    0.0030
    40        0.8523             nan     0.0359    0.0018
    60        0.8045             nan     0.0359    0.0011
    80        0.7709             nan     0.0359    0.0008
   100        0.7451             nan     0.0359    0.0007
   120        0.7248             nan     0.0359    0.0005
   140        0.7084             nan     0.0359    0.0004
   160        0.6946             nan     0.0359    0.0002
   180        0.6834             nan     0.0359    0.0003
   200        0.6733             nan     0.0359    0.0002
   220        0.6658             nan     0.0359    0.0002
   240        0.6588             nan     0.0359    0.0001
   260        0.6522             nan     0.0359    0.0001
   280        0.6474             nan     0.0359    0.0001
   300        0.6435             nan     0.0359    0.0001
   320        0.6395             nan     0.0359    0.0001
   340        0.6367             nan     0.0359    0.0000
   360        0.6336             nan     0.0359    0.0000
   380        0.6312             nan     0.0359    0.0000
   400        0.6291             nan     0.0359    0.0000
   420        0.6270             nan     0.0359    0.0000
   440        0.6248             nan     0.0359    0.0000
   460        0.6232             nan     0.0359    0.0000
   480        0.6213             nan     0.0359    0.0000
   500        0.6197             nan     0.0359    0.0000
   520        0.6183             nan     0.0359    0.0000
   540        0.6171             nan     0.0359    0.0000
   560        0.6158             nan     0.0359   -0.0000
   580        0.6147             nan     0.0359    0.0000
   600        0.6134             nan     0.0359    0.0000
   620        0.6121             nan     0.0359    0.0000
   640        0.6109             nan     0.0359    0.0000
   660        0.6099             nan     0.0359    0.0000
   680        0.6089             nan     0.0359    0.0000
   700        0.6079             nan     0.0359    0.0000
   720        0.6070             nan     0.0359    0.0000
   740        0.6059             nan     0.0359   -0.0000
   760        0.6051             nan     0.0359   -0.0000
   780        0.6041             nan     0.0359   -0.0000
   800        0.6034             nan     0.0359    0.0000
   820        0.6025             nan     0.0359    0.0000
   840        0.6018             nan     0.0359    0.0000
   855        0.6013             nan     0.0359   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0742             nan     0.0373    0.0133
     2        1.0510             nan     0.0373    0.0117
     3        1.0295             nan     0.0373    0.0107
     4        1.0097             nan     0.0373    0.0098
     5        0.9920             nan     0.0373    0.0089
     6        0.9754             nan     0.0373    0.0080
     7        0.9603             nan     0.0373    0.0075
     8        0.9463             nan     0.0373    0.0069
     9        0.9335             nan     0.0373    0.0064
    10        0.9212             nan     0.0373    0.0063
    20        0.8306             nan     0.0373    0.0036
    40        0.7347             nan     0.0373    0.0016
    60        0.6843             nan     0.0373    0.0009
    80        0.6557             nan     0.0373    0.0004
   100        0.6381             nan     0.0373    0.0002
   120        0.6260             nan     0.0373    0.0002
   140        0.6171             nan     0.0373    0.0002
   160        0.6101             nan     0.0373    0.0001
   180        0.6045             nan     0.0373    0.0002
   200        0.5997             nan     0.0373    0.0001
   220        0.5953             nan     0.0373    0.0000
   240        0.5917             nan     0.0373    0.0000
   260        0.5889             nan     0.0373    0.0000
   280        0.5865             nan     0.0373   -0.0000
   300        0.5840             nan     0.0373   -0.0000
   320        0.5814             nan     0.0373   -0.0000
   340        0.5794             nan     0.0373    0.0000
   360        0.5771             nan     0.0373    0.0000
   380        0.5752             nan     0.0373   -0.0000
   400        0.5735             nan     0.0373   -0.0000
   420        0.5718             nan     0.0373   -0.0000
   440        0.5702             nan     0.0373    0.0001
   460        0.5689             nan     0.0373    0.0000
   480        0.5676             nan     0.0373   -0.0000
   500        0.5662             nan     0.0373   -0.0000
   520        0.5648             nan     0.0373   -0.0000
   527        0.5644             nan     0.0373   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0734             nan     0.0379    0.0133
     2        1.0497             nan     0.0379    0.0122
     3        1.0287             nan     0.0379    0.0106
     4        1.0090             nan     0.0379    0.0099
     5        0.9909             nan     0.0379    0.0092
     6        0.9740             nan     0.0379    0.0082
     7        0.9593             nan     0.0379    0.0077
     8        0.9451             nan     0.0379    0.0072
     9        0.9319             nan     0.0379    0.0065
    10        0.9197             nan     0.0379    0.0063
    20        0.8293             nan     0.0379    0.0033
    40        0.7325             nan     0.0379    0.0017
    60        0.6842             nan     0.0379    0.0009
    80        0.6554             nan     0.0379    0.0007
   100        0.6375             nan     0.0379    0.0003
   120        0.6250             nan     0.0379    0.0002
   140        0.6158             nan     0.0379    0.0002
   160        0.6087             nan     0.0379    0.0001
   180        0.6026             nan     0.0379    0.0001
   200        0.5977             nan     0.0379    0.0000
   220        0.5936             nan     0.0379    0.0001
   240        0.5898             nan     0.0379    0.0000
   260        0.5866             nan     0.0379    0.0000
   280        0.5835             nan     0.0379    0.0000
   300        0.5809             nan     0.0379    0.0001
   320        0.5782             nan     0.0379    0.0001
   340        0.5760             nan     0.0379    0.0000
   342        0.5758             nan     0.0379    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0752             nan     0.0398    0.0125
     2        1.0526             nan     0.0398    0.0114
     3        1.0321             nan     0.0398    0.0105
     4        1.0133             nan     0.0398    0.0093
     5        0.9954             nan     0.0398    0.0089
     6        0.9789             nan     0.0398    0.0081
     7        0.9638             nan     0.0398    0.0075
     8        0.9496             nan     0.0398    0.0071
     9        0.9367             nan     0.0398    0.0064
    10        0.9249             nan     0.0398    0.0057
    20        0.8301             nan     0.0398    0.0036
    40        0.7415             nan     0.0398    0.0015
    60        0.6933             nan     0.0398    0.0008
    80        0.6648             nan     0.0398    0.0006
   100        0.6456             nan     0.0398    0.0003
   120        0.6333             nan     0.0398    0.0003
   140        0.6241             nan     0.0398    0.0002
   160        0.6170             nan     0.0398    0.0001
   180        0.6116             nan     0.0398    0.0000
   200        0.6061             nan     0.0398    0.0000
   220        0.6019             nan     0.0398    0.0000
   240        0.5977             nan     0.0398    0.0000
   260        0.5944             nan     0.0398   -0.0000
   280        0.5910             nan     0.0398    0.0001
   300        0.5878             nan     0.0398    0.0000
   320        0.5857             nan     0.0398    0.0000
   340        0.5839             nan     0.0398   -0.0000
   360        0.5817             nan     0.0398    0.0000
   380        0.5798             nan     0.0398    0.0000
   400        0.5780             nan     0.0398    0.0000
   420        0.5759             nan     0.0398   -0.0000
   440        0.5741             nan     0.0398   -0.0000
   460        0.5725             nan     0.0398    0.0001
   480        0.5710             nan     0.0398   -0.0000
   500        0.5698             nan     0.0398   -0.0000
   520        0.5684             nan     0.0398    0.0000
   540        0.5670             nan     0.0398    0.0001
   560        0.5655             nan     0.0398    0.0001
   580        0.5642             nan     0.0398   -0.0000
   600        0.5630             nan     0.0398    0.0001
   620        0.5620             nan     0.0398   -0.0000
   640        0.5611             nan     0.0398   -0.0000
   660        0.5599             nan     0.0398   -0.0000
   680        0.5590             nan     0.0398   -0.0000
   700        0.5577             nan     0.0398   -0.0000
   720        0.5567             nan     0.0398   -0.0000
   740        0.5557             nan     0.0398   -0.0000
   760        0.5551             nan     0.0398   -0.0000
   780        0.5543             nan     0.0398   -0.0000
   800        0.5535             nan     0.0398   -0.0000
   820        0.5527             nan     0.0398   -0.0000
   840        0.5519             nan     0.0398    0.0000
   860        0.5512             nan     0.0398   -0.0000
   880        0.5502             nan     0.0398   -0.0000
   900        0.5492             nan     0.0398    0.0001
   919        0.5487             nan     0.0398   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0845             nan     0.0410    0.0080
     2        1.0697             nan     0.0410    0.0073
     3        1.0566             nan     0.0410    0.0068
     4        1.0441             nan     0.0410    0.0062
     5        1.0326             nan     0.0410    0.0057
     6        1.0227             nan     0.0410    0.0047
     7        1.0125             nan     0.0410    0.0052
     8        1.0025             nan     0.0410    0.0048
     9        0.9943             nan     0.0410    0.0041
    10        0.9854             nan     0.0410    0.0044
    20        0.9208             nan     0.0410    0.0023
    40        0.8372             nan     0.0410    0.0012
    60        0.7887             nan     0.0410    0.0012
    80        0.7556             nan     0.0410    0.0007
   100        0.7301             nan     0.0410    0.0006
   120        0.7094             nan     0.0410    0.0005
   140        0.6942             nan     0.0410    0.0004
   160        0.6813             nan     0.0410    0.0002
   180        0.6714             nan     0.0410    0.0001
   200        0.6620             nan     0.0410    0.0002
   220        0.6548             nan     0.0410    0.0001
   240        0.6493             nan     0.0410    0.0001
   260        0.6441             nan     0.0410    0.0001
   280        0.6403             nan     0.0410    0.0001
   284        0.6397             nan     0.0410    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0674             nan     0.0452    0.0165
     2        1.0382             nan     0.0452    0.0144
     3        1.0129             nan     0.0452    0.0125
     4        0.9900             nan     0.0452    0.0114
     5        0.9692             nan     0.0452    0.0105
     6        0.9500             nan     0.0452    0.0093
     7        0.9329             nan     0.0452    0.0087
     8        0.9170             nan     0.0452    0.0077
     9        0.9020             nan     0.0452    0.0072
    10        0.8887             nan     0.0452    0.0066
    20        0.7927             nan     0.0452    0.0036
    40        0.6994             nan     0.0452    0.0011
    60        0.6529             nan     0.0452    0.0009
    80        0.6305             nan     0.0452    0.0006
   100        0.6135             nan     0.0452    0.0002
   120        0.6024             nan     0.0452    0.0003
   140        0.5934             nan     0.0452    0.0000
   160        0.5874             nan     0.0452    0.0000
   180        0.5825             nan     0.0452    0.0000
   200        0.5769             nan     0.0452    0.0000
   220        0.5729             nan     0.0452    0.0000
   240        0.5691             nan     0.0452    0.0000
   260        0.5658             nan     0.0452    0.0001
   280        0.5624             nan     0.0452   -0.0000
   300        0.5596             nan     0.0452    0.0000
   302        0.5593             nan     0.0452   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0821             nan     0.0466    0.0091
     2        1.0655             nan     0.0466    0.0082
     3        1.0503             nan     0.0466    0.0074
     4        1.0365             nan     0.0466    0.0067
     5        1.0245             nan     0.0466    0.0062
     6        1.0134             nan     0.0466    0.0055
     7        1.0023             nan     0.0466    0.0056
     8        0.9932             nan     0.0466    0.0044
     9        0.9829             nan     0.0466    0.0050
    10        0.9736             nan     0.0466    0.0046
    20        0.9035             nan     0.0466    0.0032
    40        0.8210             nan     0.0466    0.0011
    60        0.7726             nan     0.0466    0.0011
    80        0.7398             nan     0.0466    0.0006
   100        0.7161             nan     0.0466    0.0004
   120        0.6965             nan     0.0466    0.0003
   140        0.6821             nan     0.0466    0.0003
   160        0.6699             nan     0.0466    0.0003
   180        0.6603             nan     0.0466    0.0001
   200        0.6529             nan     0.0466    0.0002
   220        0.6467             nan     0.0466    0.0002
   240        0.6417             nan     0.0466    0.0001
   260        0.6376             nan     0.0466    0.0001
   280        0.6331             nan     0.0466    0.0002
   300        0.6303             nan     0.0466    0.0000
   320        0.6274             nan     0.0466    0.0000
   340        0.6248             nan     0.0466    0.0000
   360        0.6225             nan     0.0466    0.0000
   380        0.6204             nan     0.0466    0.0000
   386        0.6199             nan     0.0466    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0680             nan     0.0467    0.0162
     2        1.0392             nan     0.0467    0.0141
     3        1.0135             nan     0.0467    0.0125
     4        0.9904             nan     0.0467    0.0112
     5        0.9698             nan     0.0467    0.0104
     6        0.9512             nan     0.0467    0.0091
     7        0.9345             nan     0.0467    0.0084
     8        0.9188             nan     0.0467    0.0076
     9        0.9048             nan     0.0467    0.0070
    10        0.8915             nan     0.0467    0.0065
    20        0.8000             nan     0.0467    0.0031
    40        0.7052             nan     0.0467    0.0017
    60        0.6626             nan     0.0467    0.0006
    80        0.6372             nan     0.0467    0.0005
   100        0.6217             nan     0.0467    0.0003
   120        0.6111             nan     0.0467    0.0002
   140        0.6026             nan     0.0467    0.0001
   160        0.5957             nan     0.0467    0.0002
   180        0.5905             nan     0.0467    0.0000
   200        0.5856             nan     0.0467   -0.0000
   220        0.5820             nan     0.0467    0.0000
   240        0.5784             nan     0.0467    0.0000
   260        0.5757             nan     0.0467   -0.0000
   280        0.5724             nan     0.0467    0.0000
   300        0.5697             nan     0.0467    0.0000
   320        0.5675             nan     0.0467   -0.0000
   340        0.5654             nan     0.0467    0.0000
   360        0.5632             nan     0.0467   -0.0000
   380        0.5610             nan     0.0467    0.0000
   400        0.5592             nan     0.0467   -0.0001
   420        0.5574             nan     0.0467    0.0000
   440        0.5560             nan     0.0467   -0.0000
   460        0.5547             nan     0.0467   -0.0000
   480        0.5530             nan     0.0467   -0.0000
   500        0.5515             nan     0.0467   -0.0000
   520        0.5501             nan     0.0467   -0.0000
   540        0.5485             nan     0.0467    0.0000
   560        0.5471             nan     0.0467   -0.0001
   580        0.5458             nan     0.0467    0.0000
   600        0.5445             nan     0.0467   -0.0000
   620        0.5432             nan     0.0467   -0.0000
   640        0.5417             nan     0.0467   -0.0000
   660        0.5408             nan     0.0467   -0.0000
   680        0.5396             nan     0.0467   -0.0000
   700        0.5384             nan     0.0467   -0.0000
   720        0.5374             nan     0.0467   -0.0000
   740        0.5364             nan     0.0467   -0.0000
   753        0.5356             nan     0.0467   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0687             nan     0.0497    0.0157
     2        1.0414             nan     0.0497    0.0136
     3        1.0168             nan     0.0497    0.0123
     4        0.9947             nan     0.0497    0.0109
     5        0.9751             nan     0.0497    0.0100
     6        0.9565             nan     0.0497    0.0091
     7        0.9398             nan     0.0497    0.0081
     8        0.9245             nan     0.0497    0.0077
     9        0.9085             nan     0.0497    0.0081
    10        0.8937             nan     0.0497    0.0073
    20        0.8030             nan     0.0497    0.0030
    40        0.7148             nan     0.0497    0.0015
    60        0.6708             nan     0.0497    0.0009
    80        0.6472             nan     0.0497    0.0002
   100        0.6311             nan     0.0497    0.0002
   120        0.6199             nan     0.0497    0.0001
   140        0.6125             nan     0.0497    0.0000
   160        0.6060             nan     0.0497    0.0000
   180        0.6011             nan     0.0497    0.0002
   200        0.5962             nan     0.0497    0.0001
   220        0.5929             nan     0.0497    0.0001
   240        0.5891             nan     0.0497   -0.0000
   260        0.5865             nan     0.0497    0.0000
   280        0.5841             nan     0.0497   -0.0000
   300        0.5814             nan     0.0497   -0.0000
   320        0.5793             nan     0.0497   -0.0000
   340        0.5772             nan     0.0497    0.0000
   360        0.5753             nan     0.0497   -0.0000
   380        0.5734             nan     0.0497   -0.0000
   400        0.5719             nan     0.0497   -0.0000
   420        0.5706             nan     0.0497    0.0000
   440        0.5687             nan     0.0497   -0.0000
   460        0.5671             nan     0.0497   -0.0000
   480        0.5658             nan     0.0497   -0.0000
   500        0.5644             nan     0.0497   -0.0000
   520        0.5630             nan     0.0497   -0.0000
   540        0.5617             nan     0.0497   -0.0000
   553        0.5608             nan     0.0497   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0731             nan     0.0500    0.0133
     2        1.0496             nan     0.0500    0.0119
     3        1.0285             nan     0.0500    0.0106
     4        1.0089             nan     0.0500    0.0097
     5        0.9918             nan     0.0500    0.0086
     6        0.9748             nan     0.0500    0.0081
     7        0.9608             nan     0.0500    0.0072
     8        0.9441             nan     0.0500    0.0083
     9        0.9319             nan     0.0500    0.0059
    10        0.9176             nan     0.0500    0.0071
    20        0.8304             nan     0.0500    0.0027
    40        0.7440             nan     0.0500    0.0012
    60        0.6984             nan     0.0500    0.0008
    80        0.6698             nan     0.0500    0.0004
   100        0.6519             nan     0.0500    0.0002
   120        0.6400             nan     0.0500    0.0003
   140        0.6306             nan     0.0500    0.0001
   160        0.6240             nan     0.0500    0.0001
   180        0.6185             nan     0.0500    0.0001
   200        0.6141             nan     0.0500    0.0001
   220        0.6099             nan     0.0500    0.0000
   240        0.6062             nan     0.0500    0.0001
   260        0.6030             nan     0.0500    0.0000
   280        0.6003             nan     0.0500   -0.0000
   300        0.5979             nan     0.0500   -0.0000
   320        0.5958             nan     0.0500   -0.0000
   340        0.5934             nan     0.0500    0.0001
   360        0.5919             nan     0.0500    0.0000
   380        0.5903             nan     0.0500    0.0001
   400        0.5885             nan     0.0500   -0.0001
   420        0.5867             nan     0.0500    0.0000
   440        0.5856             nan     0.0500   -0.0000
   460        0.5843             nan     0.0500    0.0000
   480        0.5830             nan     0.0500   -0.0000
   500        0.5815             nan     0.0500   -0.0000
   520        0.5805             nan     0.0500   -0.0000
   540        0.5794             nan     0.0500   -0.0000
   560        0.5782             nan     0.0500   -0.0000
   580        0.5773             nan     0.0500   -0.0000
   600        0.5762             nan     0.0500    0.0001
   620        0.5750             nan     0.0500   -0.0000
   640        0.5741             nan     0.0500    0.0000
   660        0.5731             nan     0.0500   -0.0001
   680        0.5721             nan     0.0500   -0.0000
   700        0.5714             nan     0.0500   -0.0000
   720        0.5707             nan     0.0500   -0.0000
   740        0.5695             nan     0.0500    0.0000
   760        0.5686             nan     0.0500    0.0001
   780        0.5676             nan     0.0500   -0.0000
   800        0.5668             nan     0.0500    0.0000
   820        0.5658             nan     0.0500   -0.0000
   840        0.5650             nan     0.0500    0.0000
   860        0.5645             nan     0.0500   -0.0000
   880        0.5639             nan     0.0500   -0.0000
   900        0.5634             nan     0.0500   -0.0000
   907        0.5632             nan     0.0500   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0716             nan     0.0528    0.0145
     2        1.0468             nan     0.0528    0.0125
     3        1.0243             nan     0.0528    0.0110
     4        1.0042             nan     0.0528    0.0100
     5        0.9854             nan     0.0528    0.0091
     6        0.9690             nan     0.0528    0.0080
     7        0.9539             nan     0.0528    0.0075
     8        0.9368             nan     0.0528    0.0083
     9        0.9214             nan     0.0528    0.0078
    10        0.9078             nan     0.0528    0.0069
    20        0.8223             nan     0.0528    0.0028
    40        0.7373             nan     0.0528    0.0015
    60        0.6936             nan     0.0528    0.0008
    80        0.6656             nan     0.0528    0.0006
   100        0.6478             nan     0.0528    0.0003
   120        0.6365             nan     0.0528    0.0002
   140        0.6282             nan     0.0528    0.0001
   160        0.6219             nan     0.0528    0.0001
   180        0.6160             nan     0.0528    0.0001
   200        0.6120             nan     0.0528    0.0001
   220        0.6079             nan     0.0528    0.0000
   225        0.6069             nan     0.0528    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0711             nan     0.0536    0.0148
     2        1.0463             nan     0.0536    0.0124
     3        1.0234             nan     0.0536    0.0113
     4        1.0030             nan     0.0536    0.0103
     5        0.9845             nan     0.0536    0.0088
     6        0.9679             nan     0.0536    0.0079
     7        0.9497             nan     0.0536    0.0092
     8        0.9356             nan     0.0536    0.0070
     9        0.9200             nan     0.0536    0.0077
    10        0.9060             nan     0.0536    0.0069
    20        0.8190             nan     0.0536    0.0030
    40        0.7365             nan     0.0536    0.0011
    60        0.6903             nan     0.0536    0.0010
    80        0.6632             nan     0.0536    0.0005
   100        0.6474             nan     0.0536    0.0002
   120        0.6352             nan     0.0536    0.0003
   140        0.6273             nan     0.0536    0.0001
   160        0.6209             nan     0.0536    0.0001
   180        0.6157             nan     0.0536    0.0000
   200        0.6108             nan     0.0536    0.0000
   220        0.6072             nan     0.0536    0.0000
   240        0.6040             nan     0.0536    0.0000
   260        0.6012             nan     0.0536    0.0000
   280        0.5985             nan     0.0536    0.0001
   283        0.5979             nan     0.0536    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0797             nan     0.0552    0.0107
     2        1.0609             nan     0.0552    0.0096
     3        1.0437             nan     0.0552    0.0085
     4        1.0282             nan     0.0552    0.0076
     5        1.0142             nan     0.0552    0.0068
     6        1.0016             nan     0.0552    0.0065
     7        0.9910             nan     0.0552    0.0051
     8        0.9792             nan     0.0552    0.0060
     9        0.9682             nan     0.0552    0.0054
    10        0.9597             nan     0.0552    0.0042
    20        0.8840             nan     0.0552    0.0031
    40        0.8009             nan     0.0552    0.0014
    60        0.7528             nan     0.0552    0.0011
    80        0.7206             nan     0.0552    0.0009
   100        0.6988             nan     0.0552    0.0004
   120        0.6801             nan     0.0552    0.0004
   140        0.6672             nan     0.0552    0.0005
   160        0.6557             nan     0.0552    0.0003
   180        0.6485             nan     0.0552    0.0001
   200        0.6424             nan     0.0552    0.0002
   220        0.6368             nan     0.0552    0.0001
   240        0.6326             nan     0.0552    0.0001
   260        0.6291             nan     0.0552    0.0000
   280        0.6262             nan     0.0552    0.0000
   300        0.6230             nan     0.0552    0.0001
   320        0.6205             nan     0.0552    0.0000
   340        0.6181             nan     0.0552    0.0001
   360        0.6158             nan     0.0552    0.0000
   380        0.6140             nan     0.0552   -0.0000
   400        0.6118             nan     0.0552    0.0001
   420        0.6102             nan     0.0552    0.0000
   440        0.6085             nan     0.0552   -0.0000
   460        0.6069             nan     0.0552   -0.0000
   480        0.6054             nan     0.0552    0.0000
   500        0.6041             nan     0.0552    0.0000
   520        0.6029             nan     0.0552    0.0000
   540        0.6017             nan     0.0552   -0.0000
   560        0.6007             nan     0.0552   -0.0000
   580        0.5997             nan     0.0552    0.0000
   600        0.5989             nan     0.0552   -0.0000
   620        0.5979             nan     0.0552    0.0000
   640        0.5971             nan     0.0552   -0.0000
   660        0.5962             nan     0.0552    0.0000
   680        0.5956             nan     0.0552   -0.0000
   700        0.5948             nan     0.0552   -0.0000
   720        0.5941             nan     0.0552    0.0000
   740        0.5933             nan     0.0552   -0.0000
   760        0.5929             nan     0.0552   -0.0000
   780        0.5922             nan     0.0552   -0.0000
   800        0.5915             nan     0.0552   -0.0000
   820        0.5908             nan     0.0552   -0.0000
   840        0.5903             nan     0.0552   -0.0000
   860        0.5898             nan     0.0552   -0.0000
   880        0.5894             nan     0.0552   -0.0000
   900        0.5890             nan     0.0552   -0.0000
   920        0.5885             nan     0.0552   -0.0000
   940        0.5880             nan     0.0552   -0.0000
   956        0.5877             nan     0.0552   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0699             nan     0.0555    0.0150
     2        1.0438             nan     0.0555    0.0131
     3        1.0213             nan     0.0555    0.0113
     4        1.0002             nan     0.0555    0.0105
     5        0.9817             nan     0.0555    0.0094
     6        0.9650             nan     0.0555    0.0082
     7        0.9454             nan     0.0555    0.0094
     8        0.9285             nan     0.0555    0.0085
     9        0.9133             nan     0.0555    0.0077
    10        0.9012             nan     0.0555    0.0058
    20        0.8156             nan     0.0555    0.0030
    40        0.7320             nan     0.0555    0.0011
    60        0.6883             nan     0.0555    0.0008
    80        0.6626             nan     0.0555    0.0004
   100        0.6462             nan     0.0555    0.0002
   120        0.6347             nan     0.0555    0.0002
   140        0.6264             nan     0.0555    0.0002
   160        0.6204             nan     0.0555    0.0001
   180        0.6153             nan     0.0555    0.0002
   200        0.6112             nan     0.0555    0.0001
   220        0.6071             nan     0.0555    0.0000
   240        0.6035             nan     0.0555    0.0000
   260        0.6006             nan     0.0555    0.0000
   280        0.5983             nan     0.0555    0.0000
   300        0.5958             nan     0.0555   -0.0000
   320        0.5934             nan     0.0555   -0.0000
   340        0.5916             nan     0.0555   -0.0000
   360        0.5896             nan     0.0555    0.0000
   380        0.5876             nan     0.0555    0.0000
   400        0.5857             nan     0.0555    0.0000
   420        0.5840             nan     0.0555    0.0001
   440        0.5826             nan     0.0555    0.0000
   460        0.5813             nan     0.0555    0.0000
   480        0.5800             nan     0.0555   -0.0000
   493        0.5790             nan     0.0555   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0591             nan     0.0614    0.0208
     2        1.0232             nan     0.0614    0.0179
     3        0.9925             nan     0.0614    0.0152
     4        0.9658             nan     0.0614    0.0134
     5        0.9423             nan     0.0614    0.0118
     6        0.9212             nan     0.0614    0.0102
     7        0.9017             nan     0.0614    0.0096
     8        0.8851             nan     0.0614    0.0083
     9        0.8698             nan     0.0614    0.0076
    10        0.8561             nan     0.0614    0.0068
    20        0.7580             nan     0.0614    0.0036
    40        0.6730             nan     0.0614    0.0012
    60        0.6392             nan     0.0614    0.0007
    80        0.6207             nan     0.0614    0.0002
   100        0.6089             nan     0.0614    0.0001
   120        0.6009             nan     0.0614    0.0001
   140        0.5949             nan     0.0614   -0.0000
   160        0.5895             nan     0.0614    0.0000
   180        0.5855             nan     0.0614   -0.0000
   200        0.5821             nan     0.0614    0.0000
   220        0.5788             nan     0.0614    0.0000
   240        0.5760             nan     0.0614   -0.0000
   260        0.5734             nan     0.0614   -0.0000
   280        0.5709             nan     0.0614   -0.0000
   300        0.5688             nan     0.0614    0.0000
   320        0.5667             nan     0.0614   -0.0000
   340        0.5645             nan     0.0614   -0.0001
   360        0.5627             nan     0.0614   -0.0000
   380        0.5609             nan     0.0614   -0.0000
   400        0.5594             nan     0.0614   -0.0001
   420        0.5580             nan     0.0614   -0.0000
   436        0.5568             nan     0.0614   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0545             nan     0.0636    0.0230
     2        1.0161             nan     0.0636    0.0187
     3        0.9838             nan     0.0636    0.0163
     4        0.9554             nan     0.0636    0.0141
     5        0.9305             nan     0.0636    0.0124
     6        0.9087             nan     0.0636    0.0109
     7        0.8889             nan     0.0636    0.0099
     8        0.8715             nan     0.0636    0.0086
     9        0.8557             nan     0.0636    0.0080
    10        0.8410             nan     0.0636    0.0073
    20        0.7424             nan     0.0636    0.0032
    40        0.6595             nan     0.0636    0.0010
    60        0.6254             nan     0.0636    0.0006
    80        0.6060             nan     0.0636    0.0004
   100        0.5938             nan     0.0636    0.0000
   120        0.5843             nan     0.0636    0.0000
   140        0.5786             nan     0.0636    0.0000
   160        0.5721             nan     0.0636    0.0001
   180        0.5668             nan     0.0636   -0.0001
   200        0.5628             nan     0.0636   -0.0000
   220        0.5590             nan     0.0636    0.0000
   240        0.5557             nan     0.0636   -0.0001
   260        0.5527             nan     0.0636   -0.0000
   280        0.5493             nan     0.0636   -0.0000
   300        0.5467             nan     0.0636   -0.0000
   320        0.5444             nan     0.0636   -0.0001
   340        0.5419             nan     0.0636    0.0001
   360        0.5398             nan     0.0636   -0.0000
   380        0.5378             nan     0.0636   -0.0001
   400        0.5359             nan     0.0636   -0.0001
   420        0.5337             nan     0.0636   -0.0000
   440        0.5318             nan     0.0636   -0.0001
   460        0.5298             nan     0.0636   -0.0001
   480        0.5275             nan     0.0636   -0.0000
   500        0.5258             nan     0.0636   -0.0000
   520        0.5239             nan     0.0636   -0.0000
   540        0.5221             nan     0.0636   -0.0000
   560        0.5205             nan     0.0636   -0.0001
   580        0.5187             nan     0.0636   -0.0001
   586        0.5181             nan     0.0636   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0539             nan     0.0644    0.0231
     2        1.0159             nan     0.0644    0.0189
     3        0.9829             nan     0.0644    0.0165
     4        0.9547             nan     0.0644    0.0140
     5        0.9294             nan     0.0644    0.0126
     6        0.9077             nan     0.0644    0.0110
     7        0.8875             nan     0.0644    0.0098
     8        0.8698             nan     0.0644    0.0088
     9        0.8538             nan     0.0644    0.0079
    10        0.8396             nan     0.0644    0.0070
    20        0.7405             nan     0.0644    0.0036
    40        0.6564             nan     0.0644    0.0011
    60        0.6247             nan     0.0644    0.0003
    80        0.6062             nan     0.0644    0.0002
   100        0.5935             nan     0.0644    0.0000
   120        0.5843             nan     0.0644    0.0001
   140        0.5784             nan     0.0644    0.0001
   160        0.5733             nan     0.0644    0.0000
   180        0.5691             nan     0.0644   -0.0001
   200        0.5653             nan     0.0644    0.0001
   220        0.5619             nan     0.0644   -0.0001
   240        0.5581             nan     0.0644   -0.0000
   260        0.5557             nan     0.0644   -0.0001
   280        0.5523             nan     0.0644   -0.0001
   300        0.5497             nan     0.0644   -0.0001
   320        0.5475             nan     0.0644   -0.0000
   340        0.5452             nan     0.0644   -0.0000
   360        0.5430             nan     0.0644   -0.0001
   380        0.5407             nan     0.0644   -0.0000
   400        0.5385             nan     0.0644   -0.0000
   420        0.5370             nan     0.0644   -0.0001
   440        0.5355             nan     0.0644   -0.0001
   460        0.5340             nan     0.0644   -0.0001
   480        0.5320             nan     0.0644   -0.0001
   500        0.5304             nan     0.0644   -0.0001
   520        0.5287             nan     0.0644   -0.0001
   540        0.5270             nan     0.0644   -0.0001
   560        0.5253             nan     0.0644   -0.0000
   580        0.5239             nan     0.0644   -0.0001
   600        0.5224             nan     0.0644   -0.0001
   620        0.5211             nan     0.0644   -0.0001
   640        0.5196             nan     0.0644   -0.0001
   660        0.5181             nan     0.0644   -0.0001
   680        0.5170             nan     0.0644   -0.0001
   700        0.5158             nan     0.0644   -0.0001
   720        0.5143             nan     0.0644   -0.0001
   740        0.5131             nan     0.0644   -0.0000
   760        0.5118             nan     0.0644   -0.0000
   780        0.5106             nan     0.0644   -0.0001
   800        0.5088             nan     0.0644   -0.0001
   820        0.5078             nan     0.0644   -0.0001
   840        0.5068             nan     0.0644   -0.0001
   860        0.5054             nan     0.0644   -0.0001
   880        0.5041             nan     0.0644   -0.0001
   897        0.5031             nan     0.0644   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0546             nan     0.0662    0.0232
     2        1.0168             nan     0.0662    0.0189
     3        0.9851             nan     0.0662    0.0160
     4        0.9572             nan     0.0662    0.0141
     5        0.9332             nan     0.0662    0.0121
     6        0.9117             nan     0.0662    0.0106
     7        0.8924             nan     0.0662    0.0093
     8        0.8753             nan     0.0662    0.0084
     9        0.8604             nan     0.0662    0.0075
    10        0.8472             nan     0.0662    0.0067
    20        0.7474             nan     0.0662    0.0035
    40        0.6678             nan     0.0662    0.0009
    60        0.6349             nan     0.0662    0.0005
    80        0.6163             nan     0.0662    0.0004
   100        0.6051             nan     0.0662    0.0002
   120        0.5981             nan     0.0662    0.0000
   140        0.5922             nan     0.0662    0.0000
   160        0.5873             nan     0.0662    0.0001
   180        0.5828             nan     0.0662   -0.0000
   200        0.5798             nan     0.0662   -0.0000
   220        0.5759             nan     0.0662    0.0002
   240        0.5736             nan     0.0662    0.0000
   260        0.5711             nan     0.0662    0.0000
   280        0.5689             nan     0.0662    0.0000
   300        0.5666             nan     0.0662   -0.0001
   320        0.5647             nan     0.0662    0.0000
   340        0.5628             nan     0.0662   -0.0001
   354        0.5616             nan     0.0662   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0550             nan     0.0663    0.0234
     2        1.0168             nan     0.0663    0.0191
     3        0.9843             nan     0.0663    0.0161
     4        0.9566             nan     0.0663    0.0137
     5        0.9309             nan     0.0663    0.0127
     6        0.9095             nan     0.0663    0.0105
     7        0.8903             nan     0.0663    0.0097
     8        0.8732             nan     0.0663    0.0084
     9        0.8584             nan     0.0663    0.0073
    10        0.8439             nan     0.0663    0.0072
    20        0.7471             nan     0.0663    0.0031
    40        0.6646             nan     0.0663    0.0011
    60        0.6317             nan     0.0663    0.0003
    80        0.6145             nan     0.0663    0.0002
   100        0.6019             nan     0.0663    0.0001
   120        0.5933             nan     0.0663    0.0001
   140        0.5869             nan     0.0663   -0.0000
   160        0.5804             nan     0.0663    0.0001
   180        0.5755             nan     0.0663    0.0001
   200        0.5710             nan     0.0663   -0.0000
   220        0.5676             nan     0.0663   -0.0000
   240        0.5636             nan     0.0663   -0.0000
   260        0.5602             nan     0.0663   -0.0000
   280        0.5574             nan     0.0663   -0.0000
   300        0.5544             nan     0.0663   -0.0000
   320        0.5523             nan     0.0663    0.0000
   340        0.5494             nan     0.0663   -0.0000
   355        0.5478             nan     0.0663   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0633             nan     0.0685    0.0186
     2        1.0324             nan     0.0685    0.0153
     3        1.0056             nan     0.0685    0.0135
     4        0.9829             nan     0.0685    0.0112
     5        0.9619             nan     0.0685    0.0103
     6        0.9399             nan     0.0685    0.0112
     7        0.9228             nan     0.0685    0.0085
     8        0.9050             nan     0.0685    0.0092
     9        0.8923             nan     0.0685    0.0064
    10        0.8773             nan     0.0685    0.0074
    20        0.7908             nan     0.0685    0.0026
    40        0.7088             nan     0.0685    0.0013
    60        0.6683             nan     0.0685    0.0010
    80        0.6463             nan     0.0685    0.0005
   100        0.6328             nan     0.0685    0.0001
   120        0.6234             nan     0.0685    0.0003
   140        0.6162             nan     0.0685    0.0001
   160        0.6111             nan     0.0685    0.0000
   180        0.6063             nan     0.0685    0.0000
   200        0.6025             nan     0.0685    0.0000
   220        0.5993             nan     0.0685   -0.0000
   240        0.5963             nan     0.0685    0.0000
   260        0.5939             nan     0.0685    0.0000
   280        0.5919             nan     0.0685    0.0000
   300        0.5898             nan     0.0685    0.0000
   320        0.5883             nan     0.0685    0.0000
   340        0.5866             nan     0.0685   -0.0000
   360        0.5851             nan     0.0685   -0.0000
   380        0.5835             nan     0.0685   -0.0000
   400        0.5821             nan     0.0685   -0.0000
   406        0.5818             nan     0.0685   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0626             nan     0.0687    0.0188
     2        1.0322             nan     0.0687    0.0153
     3        1.0048             nan     0.0687    0.0136
     4        0.9815             nan     0.0687    0.0115
     5        0.9612             nan     0.0687    0.0099
     6        0.9380             nan     0.0687    0.0119
     7        0.9182             nan     0.0687    0.0099
     8        0.9011             nan     0.0687    0.0088
     9        0.8860             nan     0.0687    0.0074
    10        0.8724             nan     0.0687    0.0068
    20        0.7896             nan     0.0687    0.0034
    40        0.7073             nan     0.0687    0.0013
    60        0.6669             nan     0.0687    0.0008
    80        0.6457             nan     0.0687    0.0003
   100        0.6324             nan     0.0687    0.0001
   120        0.6228             nan     0.0687    0.0001
   140        0.6147             nan     0.0687    0.0002
   160        0.6095             nan     0.0687    0.0000
   180        0.6043             nan     0.0687   -0.0000
   200        0.6002             nan     0.0687    0.0001
   220        0.5970             nan     0.0687   -0.0000
   240        0.5939             nan     0.0687    0.0000
   260        0.5912             nan     0.0687    0.0001
   280        0.5877             nan     0.0687    0.0000
   300        0.5850             nan     0.0687   -0.0000
   320        0.5827             nan     0.0687   -0.0000
   340        0.5806             nan     0.0687    0.0001
   360        0.5790             nan     0.0687   -0.0000
   380        0.5772             nan     0.0687   -0.0000
   400        0.5758             nan     0.0687   -0.0000
   420        0.5739             nan     0.0687   -0.0000
   440        0.5726             nan     0.0687    0.0000
   460        0.5712             nan     0.0687    0.0000
   480        0.5700             nan     0.0687   -0.0000
   500        0.5687             nan     0.0687    0.0001
   520        0.5675             nan     0.0687   -0.0001
   540        0.5659             nan     0.0687   -0.0000
   560        0.5651             nan     0.0687   -0.0000
   580        0.5641             nan     0.0687   -0.0001
   600        0.5624             nan     0.0687   -0.0000
   620        0.5615             nan     0.0687   -0.0000
   640        0.5602             nan     0.0687   -0.0000
   660        0.5591             nan     0.0687   -0.0000
   680        0.5583             nan     0.0687   -0.0000
   700        0.5572             nan     0.0687   -0.0000
   720        0.5562             nan     0.0687   -0.0000
   740        0.5551             nan     0.0687   -0.0000
   760        0.5542             nan     0.0687   -0.0000
   780        0.5531             nan     0.0687   -0.0000
   800        0.5521             nan     0.0687   -0.0000
   820        0.5513             nan     0.0687   -0.0000
   840        0.5505             nan     0.0687   -0.0000
   860        0.5497             nan     0.0687   -0.0001
   880        0.5490             nan     0.0687   -0.0000
   881        0.5490             nan     0.0687   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0741             nan     0.0697    0.0134
     2        1.0507             nan     0.0697    0.0116
     3        1.0309             nan     0.0697    0.0101
     4        1.0144             nan     0.0697    0.0080
     5        0.9972             nan     0.0697    0.0086
     6        0.9848             nan     0.0697    0.0058
     7        0.9699             nan     0.0697    0.0074
     8        0.9568             nan     0.0697    0.0064
     9        0.9469             nan     0.0697    0.0048
    10        0.9343             nan     0.0697    0.0061
    20        0.8540             nan     0.0697    0.0035
    40        0.7722             nan     0.0697    0.0014
    60        0.7264             nan     0.0697    0.0009
    80        0.6965             nan     0.0697    0.0004
   100        0.6750             nan     0.0697    0.0005
   120        0.6601             nan     0.0697    0.0003
   140        0.6494             nan     0.0697    0.0002
   160        0.6415             nan     0.0697    0.0002
   180        0.6341             nan     0.0697    0.0002
   200        0.6296             nan     0.0697    0.0000
   220        0.6258             nan     0.0697    0.0000
   240        0.6224             nan     0.0697    0.0001
   260        0.6187             nan     0.0697    0.0000
   280        0.6157             nan     0.0697    0.0000
   300        0.6135             nan     0.0697    0.0000
   320        0.6113             nan     0.0697    0.0001
   340        0.6087             nan     0.0697    0.0000
   360        0.6070             nan     0.0697   -0.0000
   380        0.6054             nan     0.0697   -0.0000
   400        0.6038             nan     0.0697   -0.0000
   420        0.6026             nan     0.0697   -0.0000
   440        0.6013             nan     0.0697   -0.0000
   460        0.6000             nan     0.0697    0.0000
   480        0.5986             nan     0.0697    0.0000
   500        0.5971             nan     0.0697    0.0000
   520        0.5962             nan     0.0697   -0.0000
   540        0.5952             nan     0.0697   -0.0000
   545        0.5950             nan     0.0697   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0493             nan     0.0714    0.0258
     2        1.0073             nan     0.0714    0.0209
     3        0.9724             nan     0.0714    0.0175
     4        0.9423             nan     0.0714    0.0146
     5        0.9165             nan     0.0714    0.0129
     6        0.8931             nan     0.0714    0.0115
     7        0.8732             nan     0.0714    0.0101
     8        0.8555             nan     0.0714    0.0090
     9        0.8395             nan     0.0714    0.0078
    10        0.8247             nan     0.0714    0.0074
    20        0.7269             nan     0.0714    0.0030
    40        0.6485             nan     0.0714    0.0015
    60        0.6183             nan     0.0714    0.0002
    80        0.6012             nan     0.0714    0.0004
   100        0.5902             nan     0.0714    0.0001
   120        0.5819             nan     0.0714   -0.0000
   140        0.5763             nan     0.0714    0.0001
   160        0.5710             nan     0.0714   -0.0001
   180        0.5666             nan     0.0714   -0.0000
   200        0.5621             nan     0.0714   -0.0000
   220        0.5582             nan     0.0714    0.0000
   240        0.5549             nan     0.0714   -0.0000
   260        0.5518             nan     0.0714    0.0001
   280        0.5493             nan     0.0714   -0.0000
   300        0.5468             nan     0.0714   -0.0000
   320        0.5450             nan     0.0714   -0.0001
   340        0.5431             nan     0.0714   -0.0001
   360        0.5411             nan     0.0714   -0.0000
   380        0.5387             nan     0.0714   -0.0001
   400        0.5365             nan     0.0714   -0.0000
   420        0.5348             nan     0.0714    0.0000
   440        0.5331             nan     0.0714   -0.0001
   460        0.5307             nan     0.0714    0.0001
   473        0.5297             nan     0.0714   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0599             nan     0.0743    0.0200
     2        1.0278             nan     0.0743    0.0165
     3        0.9994             nan     0.0743    0.0141
     4        0.9742             nan     0.0743    0.0122
     5        0.9480             nan     0.0743    0.0133
     6        0.9260             nan     0.0743    0.0111
     7        0.9064             nan     0.0743    0.0096
     8        0.8914             nan     0.0743    0.0076
     9        0.8773             nan     0.0743    0.0068
    10        0.8632             nan     0.0743    0.0073
    20        0.7775             nan     0.0743    0.0025
    40        0.7007             nan     0.0743    0.0012
    60        0.6603             nan     0.0743    0.0006
    80        0.6408             nan     0.0743    0.0003
   100        0.6284             nan     0.0743    0.0001
   120        0.6198             nan     0.0743    0.0001
   140        0.6134             nan     0.0743    0.0000
   160        0.6074             nan     0.0743    0.0000
   180        0.6026             nan     0.0743    0.0000
   185        0.6019             nan     0.0743   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0477             nan     0.0751    0.0263
     2        1.0063             nan     0.0751    0.0207
     3        0.9711             nan     0.0751    0.0176
     4        0.9413             nan     0.0751    0.0147
     5        0.9163             nan     0.0751    0.0125
     6        0.8939             nan     0.0751    0.0113
     7        0.8748             nan     0.0751    0.0095
     8        0.8576             nan     0.0751    0.0085
     9        0.8414             nan     0.0751    0.0081
    10        0.8273             nan     0.0751    0.0069
    20        0.7340             nan     0.0751    0.0030
    40        0.6553             nan     0.0751    0.0008
    60        0.6253             nan     0.0751    0.0007
    80        0.6086             nan     0.0751    0.0001
   100        0.5961             nan     0.0751    0.0004
   120        0.5884             nan     0.0751    0.0001
   140        0.5814             nan     0.0751    0.0001
   160        0.5758             nan     0.0751   -0.0000
   180        0.5707             nan     0.0751   -0.0000
   200        0.5656             nan     0.0751   -0.0000
   220        0.5615             nan     0.0751   -0.0000
   225        0.5608             nan     0.0751   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0590             nan     0.0773    0.0208
     2        1.0249             nan     0.0773    0.0167
     3        0.9967             nan     0.0773    0.0141
     4        0.9651             nan     0.0773    0.0158
     5        0.9437             nan     0.0773    0.0105
     6        0.9208             nan     0.0773    0.0113
     7        0.9030             nan     0.0773    0.0085
     8        0.8853             nan     0.0773    0.0089
     9        0.8700             nan     0.0773    0.0079
    10        0.8569             nan     0.0773    0.0066
    20        0.7744             nan     0.0773    0.0027
    40        0.6945             nan     0.0773    0.0014
    60        0.6560             nan     0.0773    0.0006
    80        0.6362             nan     0.0773    0.0004
   100        0.6255             nan     0.0773    0.0002
   120        0.6176             nan     0.0773    0.0001
   140        0.6112             nan     0.0773    0.0000
   160        0.6060             nan     0.0773    0.0000
   180        0.6020             nan     0.0773    0.0000
   200        0.5985             nan     0.0773   -0.0000
   220        0.5954             nan     0.0773   -0.0000
   240        0.5927             nan     0.0773    0.0000
   260        0.5896             nan     0.0773   -0.0000
   280        0.5873             nan     0.0773   -0.0000
   300        0.5846             nan     0.0773    0.0000
   320        0.5827             nan     0.0773    0.0000
   340        0.5807             nan     0.0773   -0.0000
   360        0.5792             nan     0.0773   -0.0000
   380        0.5777             nan     0.0773   -0.0000
   400        0.5765             nan     0.0773   -0.0000
   420        0.5748             nan     0.0773   -0.0000
   440        0.5733             nan     0.0773   -0.0000
   460        0.5720             nan     0.0773   -0.0000
   480        0.5709             nan     0.0773   -0.0000
   500        0.5696             nan     0.0773    0.0001
   520        0.5688             nan     0.0773   -0.0001
   540        0.5675             nan     0.0773   -0.0001
   560        0.5666             nan     0.0773   -0.0000
   580        0.5656             nan     0.0773   -0.0000
   600        0.5642             nan     0.0773   -0.0001
   606        0.5640             nan     0.0773   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0709             nan     0.0774    0.0149
     2        1.0451             nan     0.0774    0.0125
     3        1.0232             nan     0.0774    0.0106
     4        1.0046             nan     0.0774    0.0091
     5        0.9871             nan     0.0774    0.0091
     6        0.9737             nan     0.0774    0.0065
     7        0.9583             nan     0.0774    0.0075
     8        0.9446             nan     0.0774    0.0068
     9        0.9345             nan     0.0774    0.0050
    10        0.9221             nan     0.0774    0.0063
    20        0.8413             nan     0.0774    0.0038
    40        0.7601             nan     0.0774    0.0013
    60        0.7142             nan     0.0774    0.0008
    80        0.6862             nan     0.0774    0.0003
   100        0.6660             nan     0.0774    0.0005
   120        0.6520             nan     0.0774    0.0003
   140        0.6424             nan     0.0774    0.0001
   160        0.6351             nan     0.0774    0.0001
   180        0.6300             nan     0.0774   -0.0000
   200        0.6254             nan     0.0774    0.0001
   220        0.6217             nan     0.0774    0.0000
   240        0.6186             nan     0.0774    0.0000
   260        0.6152             nan     0.0774    0.0000
   280        0.6124             nan     0.0774    0.0000
   300        0.6098             nan     0.0774    0.0000
   320        0.6079             nan     0.0774    0.0000
   340        0.6059             nan     0.0774   -0.0000
   360        0.6042             nan     0.0774   -0.0000
   380        0.6025             nan     0.0774   -0.0000
   400        0.6008             nan     0.0774    0.0000
   420        0.5994             nan     0.0774    0.0000
   440        0.5983             nan     0.0774   -0.0000
   460        0.5969             nan     0.0774   -0.0000
   480        0.5958             nan     0.0774   -0.0000
   500        0.5945             nan     0.0774    0.0000
   520        0.5938             nan     0.0774   -0.0000
   540        0.5929             nan     0.0774    0.0000
   560        0.5922             nan     0.0774   -0.0000
   580        0.5914             nan     0.0774   -0.0000
   600        0.5908             nan     0.0774   -0.0000
   620        0.5901             nan     0.0774   -0.0000
   640        0.5894             nan     0.0774   -0.0000
   660        0.5886             nan     0.0774   -0.0000
   680        0.5878             nan     0.0774   -0.0000
   700        0.5874             nan     0.0774   -0.0000
   720        0.5870             nan     0.0774   -0.0000
   735        0.5864             nan     0.0774   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0458             nan     0.0790    0.0269
     2        1.0030             nan     0.0790    0.0216
     3        0.9674             nan     0.0790    0.0176
     4        0.9368             nan     0.0790    0.0153
     5        0.9108             nan     0.0790    0.0128
     6        0.8880             nan     0.0790    0.0113
     7        0.8689             nan     0.0790    0.0096
     8        0.8504             nan     0.0790    0.0093
     9        0.8352             nan     0.0790    0.0076
    10        0.8209             nan     0.0790    0.0073
    20        0.7247             nan     0.0790    0.0032
    40        0.6516             nan     0.0790    0.0009
    60        0.6221             nan     0.0790    0.0003
    80        0.6051             nan     0.0790    0.0005
   100        0.5939             nan     0.0790    0.0000
   120        0.5862             nan     0.0790    0.0001
   140        0.5800             nan     0.0790   -0.0000
   160        0.5747             nan     0.0790    0.0003
   180        0.5703             nan     0.0790   -0.0001
   200        0.5664             nan     0.0790   -0.0000
   220        0.5630             nan     0.0790   -0.0000
   240        0.5598             nan     0.0790   -0.0000
   260        0.5563             nan     0.0790   -0.0001
   280        0.5542             nan     0.0790   -0.0001
   300        0.5518             nan     0.0790   -0.0000
   320        0.5501             nan     0.0790   -0.0001
   340        0.5483             nan     0.0790    0.0000
   360        0.5463             nan     0.0790   -0.0001
   380        0.5446             nan     0.0790    0.0000
   388        0.5440             nan     0.0790   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0575             nan     0.0803    0.0219
     2        1.0223             nan     0.0803    0.0173
     3        0.9922             nan     0.0803    0.0152
     4        0.9676             nan     0.0803    0.0118
     5        0.9416             nan     0.0803    0.0128
     6        0.9211             nan     0.0803    0.0100
     7        0.9040             nan     0.0803    0.0085
     8        0.8875             nan     0.0803    0.0081
     9        0.8708             nan     0.0803    0.0087
    10        0.8561             nan     0.0803    0.0075
    20        0.7705             nan     0.0803    0.0030
    40        0.6915             nan     0.0803    0.0010
    60        0.6538             nan     0.0803    0.0005
    80        0.6352             nan     0.0803    0.0003
   100        0.6244             nan     0.0803    0.0001
   120        0.6156             nan     0.0803    0.0003
   140        0.6096             nan     0.0803    0.0001
   160        0.6047             nan     0.0803   -0.0000
   180        0.5998             nan     0.0803    0.0000
   200        0.5957             nan     0.0803   -0.0000
   220        0.5922             nan     0.0803   -0.0000
   240        0.5894             nan     0.0803   -0.0001
   260        0.5873             nan     0.0803   -0.0001
   270        0.5865             nan     0.0803   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0507             nan     0.0808    0.0251
     2        1.0084             nan     0.0808    0.0205
     3        0.9736             nan     0.0808    0.0168
     4        0.9442             nan     0.0808    0.0147
     5        0.9157             nan     0.0808    0.0143
     6        0.8946             nan     0.0808    0.0105
     7        0.8752             nan     0.0808    0.0096
     8        0.8583             nan     0.0808    0.0082
     9        0.8411             nan     0.0808    0.0087
    10        0.8271             nan     0.0808    0.0067
    20        0.7379             nan     0.0808    0.0030
    40        0.6623             nan     0.0808    0.0012
    60        0.6324             nan     0.0808    0.0003
    80        0.6156             nan     0.0808    0.0001
   100        0.6046             nan     0.0808    0.0000
   120        0.5970             nan     0.0808    0.0001
   140        0.5908             nan     0.0808    0.0000
   160        0.5856             nan     0.0808    0.0000
   180        0.5818             nan     0.0808    0.0001
   200        0.5778             nan     0.0808   -0.0001
   220        0.5741             nan     0.0808   -0.0000
   240        0.5713             nan     0.0808    0.0000
   260        0.5687             nan     0.0808   -0.0001
   280        0.5663             nan     0.0808    0.0001
   300        0.5639             nan     0.0808   -0.0000
   320        0.5622             nan     0.0808   -0.0001
   340        0.5603             nan     0.0808   -0.0001
   360        0.5583             nan     0.0808   -0.0001
   380        0.5570             nan     0.0808   -0.0001
   400        0.5548             nan     0.0808   -0.0000
   420        0.5532             nan     0.0808   -0.0000
   440        0.5513             nan     0.0808   -0.0000
   460        0.5500             nan     0.0808   -0.0001
   480        0.5485             nan     0.0808   -0.0001
   500        0.5469             nan     0.0808   -0.0001
   520        0.5459             nan     0.0808   -0.0001
   540        0.5445             nan     0.0808   -0.0001
   560        0.5427             nan     0.0808   -0.0000
   580        0.5414             nan     0.0808   -0.0000
   600        0.5405             nan     0.0808   -0.0000
   620        0.5390             nan     0.0808    0.0001
   640        0.5374             nan     0.0808   -0.0000
   660        0.5364             nan     0.0808   -0.0001
   680        0.5354             nan     0.0808   -0.0001
   700        0.5345             nan     0.0808   -0.0000
   720        0.5334             nan     0.0808   -0.0000
   723        0.5332             nan     0.0808   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0487             nan     0.0838    0.0255
     2        1.0059             nan     0.0838    0.0211
     3        0.9703             nan     0.0838    0.0174
     4        0.9402             nan     0.0838    0.0149
     5        0.9119             nan     0.0838    0.0142
     6        0.8909             nan     0.0838    0.0105
     7        0.8707             nan     0.0838    0.0101
     8        0.8545             nan     0.0838    0.0079
     9        0.8375             nan     0.0838    0.0085
    10        0.8221             nan     0.0838    0.0076
    20        0.7326             nan     0.0838    0.0032
    40        0.6607             nan     0.0838    0.0010
    60        0.6303             nan     0.0838    0.0005
    80        0.6157             nan     0.0838    0.0002
   100        0.6055             nan     0.0838    0.0002
   120        0.5989             nan     0.0838    0.0000
   123        0.5979             nan     0.0838    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0400             nan     0.0840    0.0297
     2        0.9933             nan     0.0840    0.0232
     3        0.9549             nan     0.0840    0.0193
     4        0.9230             nan     0.0840    0.0164
     5        0.8961             nan     0.0840    0.0134
     6        0.8720             nan     0.0840    0.0120
     7        0.8518             nan     0.0840    0.0099
     8        0.8340             nan     0.0840    0.0086
     9        0.8182             nan     0.0840    0.0079
    10        0.8023             nan     0.0840    0.0080
    20        0.7067             nan     0.0840    0.0033
    40        0.6359             nan     0.0840    0.0010
    60        0.6083             nan     0.0840    0.0003
    80        0.5923             nan     0.0840    0.0000
   100        0.5827             nan     0.0840    0.0000
   120        0.5752             nan     0.0840    0.0001
   140        0.5685             nan     0.0840    0.0001
   160        0.5632             nan     0.0840   -0.0000
   180        0.5597             nan     0.0840   -0.0001
   200        0.5558             nan     0.0840   -0.0000
   220        0.5527             nan     0.0840   -0.0000
   240        0.5494             nan     0.0840    0.0000
   260        0.5467             nan     0.0840   -0.0001
   280        0.5444             nan     0.0840    0.0000
   300        0.5412             nan     0.0840    0.0001
   320        0.5384             nan     0.0840    0.0001
   340        0.5361             nan     0.0840   -0.0001
   360        0.5338             nan     0.0840   -0.0001
   380        0.5318             nan     0.0840   -0.0001
   400        0.5301             nan     0.0840   -0.0000
   420        0.5282             nan     0.0840   -0.0001
   440        0.5262             nan     0.0840   -0.0001
   460        0.5243             nan     0.0840   -0.0001
   480        0.5225             nan     0.0840   -0.0000
   500        0.5209             nan     0.0840   -0.0001
   520        0.5195             nan     0.0840   -0.0001
   540        0.5180             nan     0.0840   -0.0001
   560        0.5167             nan     0.0840   -0.0001
   580        0.5149             nan     0.0840   -0.0001
   600        0.5131             nan     0.0840   -0.0000
   620        0.5114             nan     0.0840   -0.0001
   640        0.5098             nan     0.0840   -0.0001
   660        0.5079             nan     0.0840   -0.0000
   680        0.5061             nan     0.0840   -0.0001
   700        0.5048             nan     0.0840   -0.0001
   720        0.5036             nan     0.0840   -0.0001
   740        0.5023             nan     0.0840   -0.0000
   760        0.5011             nan     0.0840   -0.0001
   780        0.4999             nan     0.0840   -0.0001
   800        0.4987             nan     0.0840   -0.0001
   820        0.4976             nan     0.0840   -0.0001
   840        0.4963             nan     0.0840   -0.0000
   860        0.4952             nan     0.0840   -0.0001
   880        0.4940             nan     0.0840   -0.0001
   900        0.4927             nan     0.0840   -0.0001
   920        0.4917             nan     0.0840   -0.0001
   939        0.4906             nan     0.0840   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0408             nan     0.0873    0.0300
     2        0.9941             nan     0.0873    0.0232
     3        0.9568             nan     0.0873    0.0191
     4        0.9257             nan     0.0873    0.0156
     5        0.8979             nan     0.0873    0.0139
     6        0.8757             nan     0.0873    0.0108
     7        0.8561             nan     0.0873    0.0099
     8        0.8385             nan     0.0873    0.0082
     9        0.8208             nan     0.0873    0.0088
    10        0.8073             nan     0.0873    0.0068
    20        0.7125             nan     0.0873    0.0036
    40        0.6433             nan     0.0873    0.0006
    60        0.6159             nan     0.0873    0.0003
    80        0.6000             nan     0.0873    0.0001
   100        0.5889             nan     0.0873    0.0001
   120        0.5819             nan     0.0873   -0.0000
   140        0.5751             nan     0.0873   -0.0001
   160        0.5690             nan     0.0873   -0.0001
   180        0.5654             nan     0.0873   -0.0000
   200        0.5600             nan     0.0873   -0.0000
   220        0.5559             nan     0.0873   -0.0000
   240        0.5525             nan     0.0873   -0.0000
   260        0.5487             nan     0.0873    0.0001
   280        0.5460             nan     0.0873   -0.0000
   300        0.5425             nan     0.0873   -0.0000
   320        0.5396             nan     0.0873   -0.0000
   340        0.5363             nan     0.0873   -0.0001
   360        0.5332             nan     0.0873   -0.0001
   380        0.5301             nan     0.0873   -0.0001
   400        0.5280             nan     0.0873   -0.0001
   420        0.5253             nan     0.0873   -0.0000
   440        0.5225             nan     0.0873   -0.0001
   442        0.5223             nan     0.0873    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0524             nan     0.0888    0.0237
     2        1.0155             nan     0.0888    0.0185
     3        0.9838             nan     0.0888    0.0157
     4        0.9496             nan     0.0888    0.0170
     5        0.9219             nan     0.0888    0.0139
     6        0.9025             nan     0.0888    0.0095
     7        0.8820             nan     0.0888    0.0105
     8        0.8646             nan     0.0888    0.0088
     9        0.8501             nan     0.0888    0.0073
    10        0.8388             nan     0.0888    0.0058
    20        0.7535             nan     0.0888    0.0028
    40        0.6808             nan     0.0888    0.0009
    60        0.6475             nan     0.0888    0.0007
    80        0.6299             nan     0.0888    0.0002
   100        0.6199             nan     0.0888    0.0001
   120        0.6117             nan     0.0888   -0.0000
   140        0.6050             nan     0.0888    0.0000
   160        0.5999             nan     0.0888   -0.0000
   180        0.5955             nan     0.0888   -0.0000
   200        0.5914             nan     0.0888    0.0000
   220        0.5881             nan     0.0888   -0.0000
   240        0.5848             nan     0.0888   -0.0000
   260        0.5822             nan     0.0888    0.0000
   280        0.5802             nan     0.0888   -0.0000
   300        0.5782             nan     0.0888   -0.0001
   320        0.5757             nan     0.0888    0.0000
   340        0.5742             nan     0.0888    0.0000
   346        0.5739             nan     0.0888   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0398             nan     0.0896    0.0305
     2        0.9915             nan     0.0896    0.0236
     3        0.9542             nan     0.0896    0.0193
     4        0.9217             nan     0.0896    0.0162
     5        0.8949             nan     0.0896    0.0133
     6        0.8716             nan     0.0896    0.0116
     7        0.8521             nan     0.0896    0.0097
     8        0.8332             nan     0.0896    0.0095
     9        0.8192             nan     0.0896    0.0068
    10        0.8056             nan     0.0896    0.0066
    20        0.7095             nan     0.0896    0.0032
    40        0.6402             nan     0.0896    0.0009
    60        0.6124             nan     0.0896    0.0006
    80        0.5969             nan     0.0896    0.0001
   100        0.5875             nan     0.0896    0.0001
   120        0.5800             nan     0.0896   -0.0000
   140        0.5745             nan     0.0896   -0.0000
   160        0.5695             nan     0.0896    0.0000
   180        0.5645             nan     0.0896    0.0000
   200        0.5608             nan     0.0896    0.0000
   220        0.5576             nan     0.0896   -0.0000
   240        0.5546             nan     0.0896   -0.0001
   256        0.5526             nan     0.0896   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0373             nan     0.0902    0.0311
     2        0.9911             nan     0.0902    0.0232
     3        0.9523             nan     0.0902    0.0199
     4        0.9204             nan     0.0902    0.0157
     5        0.8924             nan     0.0902    0.0137
     6        0.8696             nan     0.0902    0.0114
     7        0.8487             nan     0.0902    0.0105
     8        0.8313             nan     0.0902    0.0085
     9        0.8171             nan     0.0902    0.0071
    10        0.8040             nan     0.0902    0.0062
    20        0.7119             nan     0.0902    0.0028
    40        0.6398             nan     0.0902    0.0007
    60        0.6140             nan     0.0902    0.0003
    80        0.6013             nan     0.0902    0.0001
   100        0.5922             nan     0.0902    0.0002
   120        0.5851             nan     0.0902    0.0001
   140        0.5792             nan     0.0902    0.0000
   160        0.5745             nan     0.0902   -0.0000
   180        0.5697             nan     0.0902   -0.0001
   200        0.5660             nan     0.0902   -0.0001
   220        0.5624             nan     0.0902    0.0000
   240        0.5595             nan     0.0902   -0.0000
   260        0.5571             nan     0.0902   -0.0001
   280        0.5544             nan     0.0902   -0.0001
   300        0.5525             nan     0.0902   -0.0001
   320        0.5501             nan     0.0902   -0.0000
   340        0.5482             nan     0.0902   -0.0000
   360        0.5464             nan     0.0902   -0.0001
   380        0.5445             nan     0.0902   -0.0001
   400        0.5428             nan     0.0902   -0.0001
   420        0.5408             nan     0.0902   -0.0001
   440        0.5391             nan     0.0902   -0.0001
   460        0.5375             nan     0.0902   -0.0001
   480        0.5359             nan     0.0902   -0.0001
   500        0.5346             nan     0.0902   -0.0001
   520        0.5336             nan     0.0902   -0.0001
   540        0.5324             nan     0.0902   -0.0001
   560        0.5311             nan     0.0902   -0.0001
   580        0.5299             nan     0.0902   -0.0001
   600        0.5287             nan     0.0902   -0.0001
   620        0.5274             nan     0.0902   -0.0001
   640        0.5266             nan     0.0902   -0.0001
   648        0.5261             nan     0.0902    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0414             nan     0.0960    0.0295
     2        0.9951             nan     0.0960    0.0226
     3        0.9569             nan     0.0960    0.0194
     4        0.9247             nan     0.0960    0.0161
     5        0.8987             nan     0.0960    0.0129
     6        0.8728             nan     0.0960    0.0130
     7        0.8504             nan     0.0960    0.0110
     8        0.8317             nan     0.0960    0.0093
     9        0.8156             nan     0.0960    0.0082
    10        0.8035             nan     0.0960    0.0058
    20        0.7184             nan     0.0960    0.0028
    40        0.6493             nan     0.0960    0.0009
    60        0.6218             nan     0.0960    0.0001
    80        0.6075             nan     0.0960    0.0004
   100        0.5970             nan     0.0960    0.0003
   120        0.5899             nan     0.0960    0.0000
   140        0.5827             nan     0.0960    0.0002
   160        0.5777             nan     0.0960   -0.0000
   180        0.5728             nan     0.0960   -0.0000
   200        0.5683             nan     0.0960   -0.0001
   220        0.5656             nan     0.0960    0.0001
   240        0.5625             nan     0.0960    0.0000
   260        0.5596             nan     0.0960   -0.0000
   280        0.5572             nan     0.0960   -0.0001
   300        0.5556             nan     0.0960   -0.0001
   320        0.5529             nan     0.0960   -0.0001
   340        0.5504             nan     0.0960   -0.0001
   360        0.5488             nan     0.0960   -0.0001
   380        0.5467             nan     0.0960   -0.0000
   400        0.5446             nan     0.0960   -0.0001
   420        0.5423             nan     0.0960   -0.0000
   440        0.5408             nan     0.0960    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0635             nan     0.0965    0.0183
     2        1.0341             nan     0.0965    0.0149
     3        1.0099             nan     0.0965    0.0122
     4        0.9885             nan     0.0965    0.0105
     5        0.9688             nan     0.0965    0.0098
     6        0.9539             nan     0.0965    0.0073
     7        0.9373             nan     0.0965    0.0083
     8        0.9216             nan     0.0965    0.0079
     9        0.9109             nan     0.0965    0.0053
    10        0.8986             nan     0.0965    0.0064
    20        0.8153             nan     0.0965    0.0035
    40        0.7331             nan     0.0965    0.0018
    60        0.6917             nan     0.0965    0.0009
    80        0.6674             nan     0.0965    0.0004
   100        0.6496             nan     0.0965    0.0004
   120        0.6404             nan     0.0965    0.0000
   140        0.6310             nan     0.0965    0.0001
   160        0.6246             nan     0.0965    0.0001
   180        0.6202             nan     0.0965    0.0000
   200        0.6168             nan     0.0965    0.0000
   220        0.6131             nan     0.0965    0.0002
   240        0.6106             nan     0.0965    0.0000
   260        0.6076             nan     0.0965   -0.0000
   280        0.6049             nan     0.0965    0.0001
   300        0.6029             nan     0.0965   -0.0000
   320        0.6010             nan     0.0965   -0.0000
   340        0.5996             nan     0.0965    0.0000
   360        0.5977             nan     0.0965   -0.0000
   380        0.5962             nan     0.0965    0.0000
   400        0.5946             nan     0.0965   -0.0000
   420        0.5935             nan     0.0965   -0.0000
   440        0.5923             nan     0.0965   -0.0001
   460        0.5913             nan     0.0965    0.0000
   480        0.5904             nan     0.0965   -0.0000
   500        0.5896             nan     0.0965   -0.0000
   520        0.5889             nan     0.0965   -0.0000
   540        0.5882             nan     0.0965   -0.0001
   560        0.5873             nan     0.0965   -0.0000
   580        0.5865             nan     0.0965   -0.0000
   600        0.5856             nan     0.0965   -0.0000
   620        0.5851             nan     0.0965   -0.0000
   640        0.5846             nan     0.0965   -0.0000
   660        0.5843             nan     0.0965   -0.0000
   680        0.5837             nan     0.0965   -0.0001
   700        0.5833             nan     0.0965   -0.0000
   720        0.5828             nan     0.0965   -0.0000
   740        0.5825             nan     0.0965   -0.0000
   759        0.5821             nan     0.0965   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0401             nan     0.0983    0.0308
     2        0.9926             nan     0.0983    0.0239
     3        0.9538             nan     0.0983    0.0194
     4        0.9215             nan     0.0983    0.0160
     5        0.8912             nan     0.0983    0.0152
     6        0.8699             nan     0.0983    0.0106
     7        0.8508             nan     0.0983    0.0094
     8        0.8312             nan     0.0983    0.0096
     9        0.8143             nan     0.0983    0.0082
    10        0.7990             nan     0.0983    0.0075
    20        0.7139             nan     0.0983    0.0033
    40        0.6473             nan     0.0983    0.0012
    60        0.6222             nan     0.0983   -0.0000
    80        0.6069             nan     0.0983    0.0003
   100        0.5949             nan     0.0983    0.0001
   120        0.5878             nan     0.0983    0.0001
   140        0.5819             nan     0.0983   -0.0001
   160        0.5767             nan     0.0983   -0.0001
   180        0.5730             nan     0.0983   -0.0000
   200        0.5682             nan     0.0983    0.0000
   220        0.5653             nan     0.0983   -0.0000
   240        0.5628             nan     0.0983   -0.0001
   260        0.5604             nan     0.0983    0.0000
   280        0.5579             nan     0.0983   -0.0001
   300        0.5553             nan     0.0983   -0.0000
   320        0.5529             nan     0.0983   -0.0000
   336        0.5515             nan     0.0983   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0622             nan     0.1014    0.0192
     2        1.0306             nan     0.1014    0.0154
     3        1.0052             nan     0.1014    0.0124
     4        0.9824             nan     0.1014    0.0112
     5        0.9635             nan     0.1014    0.0091
     6        0.9440             nan     0.1014    0.0097
     7        0.9295             nan     0.1014    0.0072
     8        0.9133             nan     0.1014    0.0078
     9        0.8998             nan     0.1014    0.0064
    10        0.8895             nan     0.1014    0.0049
    20        0.8065             nan     0.1014    0.0026
    40        0.7276             nan     0.1014    0.0009
    60        0.6853             nan     0.1014    0.0010
    80        0.6607             nan     0.1014    0.0006
   100        0.6457             nan     0.1014    0.0002
   120        0.6361             nan     0.1014    0.0003
   140        0.6288             nan     0.1014    0.0000
   160        0.6233             nan     0.1014    0.0002
   180        0.6188             nan     0.1014    0.0001
   200        0.6142             nan     0.1014   -0.0000
   220        0.6112             nan     0.1014   -0.0000
   240        0.6087             nan     0.1014   -0.0000
   260        0.6063             nan     0.1014    0.0000
   280        0.6038             nan     0.1014   -0.0000
   300        0.6018             nan     0.1014   -0.0000
   320        0.5998             nan     0.1014   -0.0000
   340        0.5984             nan     0.1014   -0.0000
   360        0.5970             nan     0.1014   -0.0000
   380        0.5958             nan     0.1014   -0.0000
   400        0.5949             nan     0.1014   -0.0000
   420        0.5940             nan     0.1014    0.0000
   440        0.5930             nan     0.1014   -0.0000
   460        0.5920             nan     0.1014   -0.0000
   480        0.5912             nan     0.1014    0.0000
   500        0.5905             nan     0.1014   -0.0000
   520        0.5897             nan     0.1014   -0.0000
   540        0.5892             nan     0.1014   -0.0000
   560        0.5885             nan     0.1014   -0.0000
   580        0.5881             nan     0.1014   -0.0000
   600        0.5874             nan     0.1014    0.0000
   620        0.5868             nan     0.1014   -0.0000
   640        0.5862             nan     0.1014   -0.0000
   660        0.5858             nan     0.1014   -0.0000
   680        0.5853             nan     0.1014   -0.0000
   700        0.5847             nan     0.1014   -0.0000
   720        0.5843             nan     0.1014   -0.0000
   740        0.5837             nan     0.1014   -0.0000
   760        0.5833             nan     0.1014   -0.0000
   780        0.5830             nan     0.1014   -0.0000
   800        0.5827             nan     0.1014   -0.0001
   820        0.5822             nan     0.1014   -0.0000
   840        0.5818             nan     0.1014   -0.0000
   860        0.5816             nan     0.1014   -0.0001
   880        0.5812             nan     0.1014   -0.0000
   896        0.5810             nan     0.1014   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0386             nan     0.1018    0.0308
     2        0.9905             nan     0.1018    0.0233
     3        0.9502             nan     0.1018    0.0199
     4        0.9175             nan     0.1018    0.0160
     5        0.8907             nan     0.1018    0.0137
     6        0.8652             nan     0.1018    0.0128
     7        0.8453             nan     0.1018    0.0101
     8        0.8260             nan     0.1018    0.0094
     9        0.8114             nan     0.1018    0.0073
    10        0.7982             nan     0.1018    0.0065
    20        0.7129             nan     0.1018    0.0024
    40        0.6451             nan     0.1018    0.0012
    60        0.6188             nan     0.1018    0.0006
    80        0.6050             nan     0.1018    0.0003
   100        0.5953             nan     0.1018    0.0000
   120        0.5885             nan     0.1018    0.0000
   140        0.5820             nan     0.1018    0.0002
   160        0.5770             nan     0.1018   -0.0000
   180        0.5733             nan     0.1018   -0.0000
   200        0.5702             nan     0.1018   -0.0000
   220        0.5671             nan     0.1018   -0.0001
   240        0.5647             nan     0.1018   -0.0001
   260        0.5620             nan     0.1018   -0.0000
   280        0.5598             nan     0.1018   -0.0001
   300        0.5576             nan     0.1018    0.0000
   302        0.5573             nan     0.1018   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0470             nan     0.1024    0.0272
     2        1.0059             nan     0.1024    0.0206
     3        0.9708             nan     0.1024    0.0175
     4        0.9366             nan     0.1024    0.0169
     5        0.9093             nan     0.1024    0.0137
     6        0.8864             nan     0.1024    0.0115
     7        0.8696             nan     0.1024    0.0082
     8        0.8517             nan     0.1024    0.0089
     9        0.8394             nan     0.1024    0.0061
    10        0.8259             nan     0.1024    0.0067
    20        0.7397             nan     0.1024    0.0028
    40        0.6678             nan     0.1024    0.0014
    60        0.6392             nan     0.1024    0.0002
    80        0.6238             nan     0.1024    0.0004
   100        0.6127             nan     0.1024    0.0000
   120        0.6047             nan     0.1024    0.0001
   140        0.5993             nan     0.1024   -0.0000
   160        0.5943             nan     0.1024    0.0001
   180        0.5902             nan     0.1024    0.0001
   200        0.5865             nan     0.1024   -0.0000
   220        0.5825             nan     0.1024   -0.0001
   240        0.5798             nan     0.1024   -0.0000
   260        0.5769             nan     0.1024   -0.0000
   280        0.5748             nan     0.1024   -0.0000
   300        0.5730             nan     0.1024   -0.0000
   320        0.5706             nan     0.1024   -0.0001
   340        0.5686             nan     0.1024   -0.0001
   360        0.5672             nan     0.1024   -0.0000
   380        0.5653             nan     0.1024    0.0000
   400        0.5637             nan     0.1024   -0.0001
   420        0.5620             nan     0.1024   -0.0001
   440        0.5596             nan     0.1024    0.0000
   460        0.5584             nan     0.1024   -0.0000
   480        0.5574             nan     0.1024   -0.0000
   500        0.5560             nan     0.1024   -0.0000
   520        0.5547             nan     0.1024   -0.0001
   540        0.5537             nan     0.1024   -0.0000
   560        0.5527             nan     0.1024   -0.0001
   580        0.5517             nan     0.1024    0.0000
   600        0.5509             nan     0.1024   -0.0001
   620        0.5497             nan     0.1024   -0.0001
   640        0.5492             nan     0.1024   -0.0000
   660        0.5484             nan     0.1024   -0.0001
   680        0.5477             nan     0.1024   -0.0000
   700        0.5468             nan     0.1024   -0.0001
   720        0.5460             nan     0.1024   -0.0001
   740        0.5449             nan     0.1024   -0.0001
   760        0.5443             nan     0.1024   -0.0000
   780        0.5437             nan     0.1024   -0.0000
   800        0.5431             nan     0.1024   -0.0000
   820        0.5423             nan     0.1024   -0.0001
   840        0.5417             nan     0.1024   -0.0001
   851        0.5411             nan     0.1024   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0385             nan     0.1035    0.0313
     2        0.9896             nan     0.1035    0.0240
     3        0.9494             nan     0.1035    0.0200
     4        0.9161             nan     0.1035    0.0161
     5        0.8857             nan     0.1035    0.0151
     6        0.8632             nan     0.1035    0.0112
     7        0.8424             nan     0.1035    0.0104
     8        0.8235             nan     0.1035    0.0094
     9        0.8073             nan     0.1035    0.0082
    10        0.7936             nan     0.1035    0.0067
    20        0.7086             nan     0.1035    0.0029
    40        0.6437             nan     0.1035    0.0007
    60        0.6187             nan     0.1035    0.0004
    80        0.6031             nan     0.1035    0.0001
   100        0.5928             nan     0.1035    0.0000
   120        0.5857             nan     0.1035    0.0001
   140        0.5796             nan     0.1035   -0.0000
   160        0.5746             nan     0.1035    0.0000
   180        0.5704             nan     0.1035   -0.0000
   190        0.5684             nan     0.1035   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0378             nan     0.1036    0.0316
     2        0.9893             nan     0.1036    0.0236
     3        0.9469             nan     0.1036    0.0207
     4        0.9153             nan     0.1036    0.0155
     5        0.8887             nan     0.1036    0.0129
     6        0.8624             nan     0.1036    0.0129
     7        0.8400             nan     0.1036    0.0111
     8        0.8209             nan     0.1036    0.0096
     9        0.8064             nan     0.1036    0.0072
    10        0.7910             nan     0.1036    0.0075
    20        0.7086             nan     0.1036    0.0021
    40        0.6431             nan     0.1036    0.0011
    60        0.6179             nan     0.1036    0.0006
    80        0.6038             nan     0.1036    0.0001
   100        0.5938             nan     0.1036   -0.0000
   120        0.5875             nan     0.1036   -0.0001
   140        0.5813             nan     0.1036    0.0000
   160        0.5766             nan     0.1036   -0.0000
   180        0.5724             nan     0.1036    0.0000
   200        0.5690             nan     0.1036   -0.0001
   220        0.5653             nan     0.1036    0.0001
   240        0.5621             nan     0.1036   -0.0000
   260        0.5604             nan     0.1036   -0.0000
   280        0.5579             nan     0.1036   -0.0001
   300        0.5550             nan     0.1036   -0.0001
   320        0.5526             nan     0.1036   -0.0001
   340        0.5508             nan     0.1036   -0.0000
   360        0.5489             nan     0.1036   -0.0001
   380        0.5473             nan     0.1036   -0.0001
   400        0.5456             nan     0.1036   -0.0001
   420        0.5441             nan     0.1036   -0.0001
   440        0.5427             nan     0.1036   -0.0000
   460        0.5415             nan     0.1036    0.0001
   480        0.5397             nan     0.1036   -0.0001
   500        0.5385             nan     0.1036   -0.0001
   520        0.5369             nan     0.1036    0.0000
   540        0.5358             nan     0.1036   -0.0000
   560        0.5345             nan     0.1036   -0.0001
   580        0.5336             nan     0.1036   -0.0001
   600        0.5324             nan     0.1036   -0.0001
   620        0.5308             nan     0.1036   -0.0001
   640        0.5293             nan     0.1036    0.0001
   660        0.5281             nan     0.1036   -0.0001
   677        0.5272             nan     0.1036   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0260             nan     0.1079    0.0362
     2        0.9732             nan     0.1079    0.0262
     3        0.9317             nan     0.1079    0.0208
     4        0.8972             nan     0.1079    0.0172
     5        0.8695             nan     0.1079    0.0138
     6        0.8449             nan     0.1079    0.0124
     7        0.8239             nan     0.1079    0.0104
     8        0.8062             nan     0.1079    0.0084
     9        0.7917             nan     0.1079    0.0071
    10        0.7761             nan     0.1079    0.0074
    20        0.6852             nan     0.1079    0.0025
    40        0.6272             nan     0.1079    0.0004
    60        0.6045             nan     0.1079    0.0004
    80        0.5904             nan     0.1079    0.0002
   100        0.5819             nan     0.1079    0.0000
   120        0.5752             nan     0.1079    0.0000
   140        0.5697             nan     0.1079   -0.0001
   160        0.5652             nan     0.1079   -0.0000
   180        0.5611             nan     0.1079   -0.0000
   200        0.5576             nan     0.1079   -0.0001
   220        0.5549             nan     0.1079   -0.0001
   240        0.5512             nan     0.1079   -0.0001
   260        0.5482             nan     0.1079   -0.0001
   280        0.5456             nan     0.1079   -0.0001
   300        0.5426             nan     0.1079   -0.0001
   320        0.5402             nan     0.1079   -0.0001
   340        0.5383             nan     0.1079   -0.0001
   360        0.5364             nan     0.1079   -0.0001
   380        0.5349             nan     0.1079   -0.0001
   400        0.5335             nan     0.1079   -0.0000
   419        0.5319             nan     0.1079   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0340             nan     0.1099    0.0338
     2        0.9833             nan     0.1099    0.0254
     3        0.9425             nan     0.1099    0.0205
     4        0.9084             nan     0.1099    0.0166
     5        0.8778             nan     0.1099    0.0153
     6        0.8551             nan     0.1099    0.0113
     7        0.8325             nan     0.1099    0.0114
     8        0.8140             nan     0.1099    0.0089
     9        0.7975             nan     0.1099    0.0080
    10        0.7830             nan     0.1099    0.0068
    20        0.7035             nan     0.1099    0.0030
    40        0.6408             nan     0.1099    0.0008
    60        0.6168             nan     0.1099    0.0003

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0329             nan     0.1114    0.0328
     2        0.9819             nan     0.1114    0.0250
     3        0.9400             nan     0.1114    0.0208
     4        0.9056             nan     0.1114    0.0166
     5        0.8778             nan     0.1114    0.0140
     6        0.8552             nan     0.1114    0.0110
     7        0.8322             nan     0.1114    0.0114
     8        0.8159             nan     0.1114    0.0078
     9        0.7988             nan     0.1114    0.0082
    10        0.7882             nan     0.1114    0.0051
    20        0.7044             nan     0.1114    0.0020
    40        0.6405             nan     0.1114    0.0005
    60        0.6177             nan     0.1114    0.0003
    80        0.6040             nan     0.1114    0.0003
   100        0.5956             nan     0.1114    0.0001
   120        0.5887             nan     0.1114    0.0000
   140        0.5826             nan     0.1114    0.0001
   160        0.5785             nan     0.1114    0.0001
   180        0.5741             nan     0.1114   -0.0000
   200        0.5702             nan     0.1114   -0.0000
   220        0.5672             nan     0.1114   -0.0001
   240        0.5640             nan     0.1114   -0.0000
   260        0.5614             nan     0.1114   -0.0000
   280        0.5595             nan     0.1114   -0.0001
   300        0.5572             nan     0.1114   -0.0001
   320        0.5548             nan     0.1114   -0.0001
   340        0.5527             nan     0.1114   -0.0001
   360        0.5514             nan     0.1114   -0.0001
   380        0.5503             nan     0.1114   -0.0001
   400        0.5487             nan     0.1114   -0.0000
   420        0.5471             nan     0.1114   -0.0001
   440        0.5455             nan     0.1114   -0.0000
   460        0.5440             nan     0.1114   -0.0000
   480        0.5426             nan     0.1114   -0.0000
   500        0.5411             nan     0.1114   -0.0001
   520        0.5397             nan     0.1114   -0.0001
   540        0.5386             nan     0.1114   -0.0000
   560        0.5375             nan     0.1114   -0.0001
   580        0.5363             nan     0.1114   -0.0000
   600        0.5353             nan     0.1114   -0.0001
   620        0.5342             nan     0.1114   -0.0000
   640        0.5332             nan     0.1114    0.0000
   660        0.5320             nan     0.1114   -0.0001
   680        0.5311             nan     0.1114   -0.0001
   685        0.5309             nan     0.1114   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0577             nan     0.1122    0.0211
     2        1.0254             nan     0.1122    0.0165
     3        0.9985             nan     0.1122    0.0132
     4        0.9738             nan     0.1122    0.0121
     5        0.9524             nan     0.1122    0.0101
     6        0.9324             nan     0.1122    0.0097
     7        0.9173             nan     0.1122    0.0079
     8        0.9013             nan     0.1122    0.0077
     9        0.8901             nan     0.1122    0.0055
    10        0.8764             nan     0.1122    0.0067
    20        0.7943             nan     0.1122    0.0029
    40        0.7165             nan     0.1122    0.0015
    60        0.6766             nan     0.1122    0.0005
    80        0.6538             nan     0.1122    0.0004
   100        0.6405             nan     0.1122    0.0004
   120        0.6314             nan     0.1122    0.0001
   140        0.6242             nan     0.1122    0.0002
   160        0.6189             nan     0.1122    0.0001
   180        0.6148             nan     0.1122    0.0000
   200        0.6108             nan     0.1122    0.0000
   220        0.6071             nan     0.1122    0.0001
   240        0.6047             nan     0.1122   -0.0000
   260        0.6019             nan     0.1122    0.0001
   280        0.5999             nan     0.1122   -0.0000
   300        0.5982             nan     0.1122    0.0000
   320        0.5964             nan     0.1122    0.0000
   340        0.5949             nan     0.1122   -0.0000
   360        0.5937             nan     0.1122   -0.0001
   380        0.5927             nan     0.1122    0.0000
   400        0.5914             nan     0.1122   -0.0000
   420        0.5902             nan     0.1122   -0.0001
   440        0.5892             nan     0.1122    0.0000
   460        0.5883             nan     0.1122   -0.0001
   480        0.5878             nan     0.1122   -0.0001
   500        0.5872             nan     0.1122   -0.0001
   520        0.5865             nan     0.1122    0.0000
   540        0.5858             nan     0.1122   -0.0001
   560        0.5849             nan     0.1122   -0.0000
   580        0.5841             nan     0.1122   -0.0000
   600        0.5836             nan     0.1122   -0.0000
   615        0.5829             nan     0.1122   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0363             nan     0.1211    0.0315
     2        0.9898             nan     0.1211    0.0234
     3        0.9516             nan     0.1211    0.0192
     4        0.9152             nan     0.1211    0.0183
     5        0.8863             nan     0.1211    0.0145
     6        0.8648             nan     0.1211    0.0103
     7        0.8452             nan     0.1211    0.0099
     8        0.8303             nan     0.1211    0.0073
     9        0.8180             nan     0.1211    0.0057
    10        0.8043             nan     0.1211    0.0067
    20        0.7234             nan     0.1211    0.0027
    40        0.6533             nan     0.1211    0.0009
    60        0.6302             nan     0.1211    0.0002
    80        0.6163             nan     0.1211    0.0002
   100        0.6076             nan     0.1211    0.0000
   120        0.6001             nan     0.1211    0.0000
   140        0.5945             nan     0.1211    0.0000
   160        0.5906             nan     0.1211   -0.0001
   180        0.5868             nan     0.1211    0.0001
   200        0.5832             nan     0.1211   -0.0001
   220        0.5807             nan     0.1211   -0.0001
   240        0.5780             nan     0.1211   -0.0000
   260        0.5754             nan     0.1211   -0.0000
   280        0.5733             nan     0.1211   -0.0001
   300        0.5715             nan     0.1211   -0.0001
   320        0.5698             nan     0.1211   -0.0001
   340        0.5676             nan     0.1211    0.0000
   360        0.5657             nan     0.1211   -0.0000
   380        0.5644             nan     0.1211   -0.0000
   400        0.5630             nan     0.1211   -0.0001
   420        0.5615             nan     0.1211   -0.0001
   440        0.5605             nan     0.1211   -0.0001
   460        0.5596             nan     0.1211   -0.0001
   480        0.5585             nan     0.1211   -0.0001
   500        0.5577             nan     0.1211   -0.0001
   520        0.5567             nan     0.1211   -0.0001
   540        0.5555             nan     0.1211   -0.0001
   560        0.5543             nan     0.1211   -0.0000
   580        0.5535             nan     0.1211   -0.0000
   600        0.5520             nan     0.1211   -0.0001
   620        0.5511             nan     0.1211   -0.0001
   640        0.5503             nan     0.1211   -0.0001
   660        0.5493             nan     0.1211   -0.0001
   680        0.5485             nan     0.1211   -0.0000
   700        0.5477             nan     0.1211   -0.0001
   720        0.5467             nan     0.1211   -0.0001
   740        0.5458             nan     0.1211   -0.0001
   760        0.5450             nan     0.1211   -0.0001
   780        0.5441             nan     0.1211   -0.0001
   800        0.5435             nan     0.1211   -0.0000
   820        0.5424             nan     0.1211   -0.0001
   840        0.5417             nan     0.1211   -0.0000
   848        0.5414             nan     0.1211   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0132             nan     0.1273    0.0444
     2        0.9515             nan     0.1273    0.0308
     3        0.9043             nan     0.1273    0.0237
     4        0.8673             nan     0.1273    0.0180
     5        0.8374             nan     0.1273    0.0145
     6        0.8135             nan     0.1273    0.0116
     7        0.7928             nan     0.1273    0.0102
     8        0.7734             nan     0.1273    0.0094
     9        0.7562             nan     0.1273    0.0085
    10        0.7417             nan     0.1273    0.0068
    20        0.6592             nan     0.1273    0.0019
    40        0.6089             nan     0.1273    0.0004
    60        0.5877             nan     0.1273    0.0000
    80        0.5764             nan     0.1273    0.0004
   100        0.5687             nan     0.1273   -0.0001
   120        0.5622             nan     0.1273   -0.0000
   140        0.5569             nan     0.1273   -0.0001
   160        0.5523             nan     0.1273    0.0004
   180        0.5481             nan     0.1273   -0.0002
   200        0.5437             nan     0.1273   -0.0001
   220        0.5407             nan     0.1273   -0.0001
   240        0.5369             nan     0.1273   -0.0001
   260        0.5337             nan     0.1273    0.0003
   280        0.5310             nan     0.1273   -0.0001
   300        0.5284             nan     0.1273   -0.0002
   320        0.5254             nan     0.1273   -0.0001
   340        0.5229             nan     0.1273   -0.0001
   360        0.5209             nan     0.1273   -0.0001
   380        0.5187             nan     0.1273   -0.0001
   400        0.5165             nan     0.1273   -0.0000
   420        0.5145             nan     0.1273   -0.0001
   440        0.5122             nan     0.1273   -0.0001
   460        0.5102             nan     0.1273   -0.0002
   480        0.5085             nan     0.1273   -0.0001
   500        0.5069             nan     0.1273   -0.0001
   520        0.5052             nan     0.1273   -0.0000
   540        0.5036             nan     0.1273   -0.0001
   560        0.5018             nan     0.1273   -0.0001
   580        0.5000             nan     0.1273   -0.0001
   600        0.4983             nan     0.1273    0.0000
   620        0.4966             nan     0.1273   -0.0002
   638        0.4951             nan     0.1273   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0241             nan     0.1282    0.0372
     2        0.9661             nan     0.1282    0.0291
     3        0.9225             nan     0.1282    0.0217
     4        0.8877             nan     0.1282    0.0174
     5        0.8595             nan     0.1282    0.0139
     6        0.8361             nan     0.1282    0.0114
     7        0.8155             nan     0.1282    0.0100
     8        0.7980             nan     0.1282    0.0082
     9        0.7814             nan     0.1282    0.0082
    10        0.7682             nan     0.1282    0.0064
    20        0.6850             nan     0.1282    0.0029
    40        0.6294             nan     0.1282    0.0010
    60        0.6081             nan     0.1282    0.0002
    80        0.5963             nan     0.1282    0.0001
   100        0.5887             nan     0.1282   -0.0001
   120        0.5818             nan     0.1282    0.0001
   140        0.5765             nan     0.1282    0.0002
   156        0.5728             nan     0.1282   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0128             nan     0.1284    0.0427
     2        0.9546             nan     0.1284    0.0291
     3        0.9082             nan     0.1284    0.0226
     4        0.8732             nan     0.1284    0.0172
     5        0.8444             nan     0.1284    0.0141
     6        0.8225             nan     0.1284    0.0107
     7        0.8035             nan     0.1284    0.0091
     8        0.7862             nan     0.1284    0.0085
     9        0.7706             nan     0.1284    0.0077
    10        0.7549             nan     0.1284    0.0077
    20        0.6693             nan     0.1284    0.0033
    40        0.6174             nan     0.1284    0.0005
    60        0.5988             nan     0.1284    0.0001
    80        0.5874             nan     0.1284    0.0001
   100        0.5792             nan     0.1284   -0.0000
   120        0.5735             nan     0.1284   -0.0001
   140        0.5678             nan     0.1284   -0.0000
   160        0.5628             nan     0.1284   -0.0001
   180        0.5583             nan     0.1284   -0.0000
   200        0.5547             nan     0.1284   -0.0000
   220        0.5512             nan     0.1284    0.0002
   240        0.5482             nan     0.1284   -0.0001
   260        0.5458             nan     0.1284   -0.0001
   280        0.5433             nan     0.1284    0.0002
   300        0.5409             nan     0.1284   -0.0000
   320        0.5383             nan     0.1284   -0.0002
   340        0.5360             nan     0.1284   -0.0001
   360        0.5331             nan     0.1284   -0.0001
   380        0.5315             nan     0.1284   -0.0001
   400        0.5299             nan     0.1284   -0.0000
   420        0.5278             nan     0.1284   -0.0002
   440        0.5263             nan     0.1284   -0.0001
   460        0.5249             nan     0.1284   -0.0001
   480        0.5235             nan     0.1284   -0.0001
   500        0.5218             nan     0.1284   -0.0001
   520        0.5203             nan     0.1284   -0.0001
   540        0.5192             nan     0.1284   -0.0001
   560        0.5174             nan     0.1284   -0.0001
   580        0.5158             nan     0.1284   -0.0001
   600        0.5141             nan     0.1284   -0.0001
   620        0.5131             nan     0.1284   -0.0001
   640        0.5120             nan     0.1284   -0.0001
   660        0.5109             nan     0.1284   -0.0002
   680        0.5093             nan     0.1284   -0.0002
   700        0.5080             nan     0.1284   -0.0001
   720        0.5066             nan     0.1284   -0.0001
   740        0.5052             nan     0.1284   -0.0001
   746        0.5049             nan     0.1284   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0102             nan     0.1297    0.0448
     2        0.9481             nan     0.1297    0.0310
     3        0.9006             nan     0.1297    0.0233
     4        0.8637             nan     0.1297    0.0184
     5        0.8343             nan     0.1297    0.0143
     6        0.8086             nan     0.1297    0.0131
     7        0.7886             nan     0.1297    0.0094
     8        0.7687             nan     0.1297    0.0097
     9        0.7526             nan     0.1297    0.0076
    10        0.7391             nan     0.1297    0.0064
    20        0.6563             nan     0.1297    0.0025
    40        0.6059             nan     0.1297    0.0007
    60        0.5849             nan     0.1297    0.0000
    80        0.5736             nan     0.1297   -0.0001
   100        0.5643             nan     0.1297    0.0001
   120        0.5580             nan     0.1297   -0.0000
   140        0.5530             nan     0.1297   -0.0001
   160        0.5479             nan     0.1297   -0.0000
   180        0.5443             nan     0.1297   -0.0001
   200        0.5409             nan     0.1297   -0.0002
   220        0.5374             nan     0.1297   -0.0000
   240        0.5342             nan     0.1297   -0.0000
   260        0.5303             nan     0.1297   -0.0001
   280        0.5270             nan     0.1297   -0.0001
   300        0.5241             nan     0.1297    0.0002
   320        0.5213             nan     0.1297   -0.0002
   340        0.5187             nan     0.1297   -0.0001
   360        0.5163             nan     0.1297   -0.0001
   380        0.5134             nan     0.1297   -0.0001
   400        0.5113             nan     0.1297   -0.0001
   420        0.5087             nan     0.1297   -0.0001
   440        0.5065             nan     0.1297   -0.0001
   460        0.5038             nan     0.1297   -0.0002
   480        0.5021             nan     0.1297   -0.0002
   500        0.4993             nan     0.1297   -0.0001
   509        0.4980             nan     0.1297   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0310             nan     0.1319    0.0346
     2        0.9819             nan     0.1319    0.0240
     3        0.9326             nan     0.1319    0.0238
     4        0.8968             nan     0.1319    0.0180
     5        0.8691             nan     0.1319    0.0141
     6        0.8493             nan     0.1319    0.0097
     7        0.8306             nan     0.1319    0.0096
     8        0.8153             nan     0.1319    0.0073
     9        0.8035             nan     0.1319    0.0059
    10        0.7902             nan     0.1319    0.0066
    20        0.7107             nan     0.1319    0.0026
    40        0.6470             nan     0.1319    0.0004
    60        0.6262             nan     0.1319    0.0001
    80        0.6126             nan     0.1319    0.0003
   100        0.6040             nan     0.1319    0.0003
   120        0.5978             nan     0.1319    0.0002
   140        0.5925             nan     0.1319   -0.0000
   160        0.5887             nan     0.1319   -0.0000
   180        0.5840             nan     0.1319   -0.0000
   200        0.5813             nan     0.1319    0.0001
   220        0.5783             nan     0.1319   -0.0001
   240        0.5763             nan     0.1319   -0.0001
   260        0.5745             nan     0.1319   -0.0000
   280        0.5723             nan     0.1319   -0.0000
   300        0.5707             nan     0.1319   -0.0000
   320        0.5689             nan     0.1319   -0.0000
   340        0.5669             nan     0.1319   -0.0001
   360        0.5651             nan     0.1319    0.0000
   380        0.5636             nan     0.1319   -0.0001
   400        0.5618             nan     0.1319    0.0002
   420        0.5606             nan     0.1319   -0.0001
   440        0.5592             nan     0.1319   -0.0000
   460        0.5572             nan     0.1319   -0.0000
   480        0.5562             nan     0.1319   -0.0001
   500        0.5549             nan     0.1319   -0.0000
   520        0.5538             nan     0.1319   -0.0000
   540        0.5524             nan     0.1319   -0.0001
   560        0.5514             nan     0.1319   -0.0000
   580        0.5502             nan     0.1319   -0.0001
   600        0.5490             nan     0.1319   -0.0001
   620        0.5480             nan     0.1319   -0.0001
   640        0.5473             nan     0.1319   -0.0001
   660        0.5464             nan     0.1319   -0.0001
   680        0.5454             nan     0.1319   -0.0001
   700        0.5443             nan     0.1319   -0.0001
   720        0.5435             nan     0.1319   -0.0001
   740        0.5429             nan     0.1319   -0.0002
   760        0.5423             nan     0.1319   -0.0001
   780        0.5416             nan     0.1319   -0.0001
   797        0.5408             nan     0.1319   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0306             nan     0.1323    0.0343
     2        0.9825             nan     0.1323    0.0234
     3        0.9333             nan     0.1323    0.0238
     4        0.9024             nan     0.1323    0.0153
     5        0.8720             nan     0.1323    0.0153
     6        0.8502             nan     0.1323    0.0109
     7        0.8290             nan     0.1323    0.0105
     8        0.8142             nan     0.1323    0.0072
     9        0.7997             nan     0.1323    0.0071
    10        0.7872             nan     0.1323    0.0058
    20        0.7074             nan     0.1323    0.0031
    40        0.6448             nan     0.1323    0.0007
    60        0.6246             nan     0.1323    0.0003
    80        0.6119             nan     0.1323    0.0001
   100        0.6037             nan     0.1323   -0.0000
   120        0.5969             nan     0.1323   -0.0000
   140        0.5911             nan     0.1323   -0.0000
   160        0.5867             nan     0.1323   -0.0001
   180        0.5818             nan     0.1323   -0.0000
   200        0.5778             nan     0.1323    0.0000
   220        0.5744             nan     0.1323    0.0000
   240        0.5714             nan     0.1323   -0.0001
   260        0.5685             nan     0.1323    0.0000
   280        0.5656             nan     0.1323   -0.0000
   300        0.5638             nan     0.1323   -0.0000
   320        0.5622             nan     0.1323   -0.0000
   340        0.5602             nan     0.1323   -0.0000
   360        0.5586             nan     0.1323   -0.0001
   380        0.5571             nan     0.1323   -0.0001
   400        0.5553             nan     0.1323   -0.0001
   420        0.5544             nan     0.1323   -0.0000
   440        0.5528             nan     0.1323   -0.0000
   460        0.5517             nan     0.1323   -0.0001
   480        0.5505             nan     0.1323   -0.0001
   500        0.5490             nan     0.1323   -0.0001
   520        0.5478             nan     0.1323   -0.0000
   540        0.5465             nan     0.1323   -0.0002
   560        0.5456             nan     0.1323   -0.0001
   580        0.5444             nan     0.1323   -0.0001
   600        0.5431             nan     0.1323   -0.0000
   620        0.5415             nan     0.1323   -0.0001
   640        0.5406             nan     0.1323   -0.0001
   660        0.5398             nan     0.1323   -0.0001
   680        0.5391             nan     0.1323   -0.0001
   700        0.5381             nan     0.1323   -0.0000
   720        0.5365             nan     0.1323   -0.0000
   740        0.5354             nan     0.1323    0.0001
   760        0.5344             nan     0.1323   -0.0001
   780        0.5331             nan     0.1323   -0.0001
   800        0.5319             nan     0.1323   -0.0000
   820        0.5307             nan     0.1323   -0.0001
   840        0.5301             nan     0.1323   -0.0000
   860        0.5288             nan     0.1323   -0.0000
   880        0.5280             nan     0.1323   -0.0001
   900        0.5271             nan     0.1323   -0.0001
   920        0.5263             nan     0.1323   -0.0001
   940        0.5254             nan     0.1323   -0.0001
   960        0.5247             nan     0.1323   -0.0000
   980        0.5240             nan     0.1323   -0.0001
   981        0.5240             nan     0.1323   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0290             nan     0.1371    0.0356
     2        0.9773             nan     0.1371    0.0260
     3        0.9394             nan     0.1371    0.0192
     4        0.9013             nan     0.1371    0.0193
     5        0.8722             nan     0.1371    0.0149
     6        0.8500             nan     0.1371    0.0107
     7        0.8300             nan     0.1371    0.0097
     8        0.8143             nan     0.1371    0.0078
     9        0.8021             nan     0.1371    0.0062
    10        0.7885             nan     0.1371    0.0065
    20        0.7075             nan     0.1371    0.0023
    40        0.6453             nan     0.1371    0.0005
    60        0.6236             nan     0.1371    0.0003
    80        0.6114             nan     0.1371    0.0002
   100        0.6017             nan     0.1371    0.0001
   120        0.5940             nan     0.1371    0.0001
   140        0.5888             nan     0.1371   -0.0001
   160        0.5836             nan     0.1371   -0.0001
   180        0.5794             nan     0.1371   -0.0000
   200        0.5762             nan     0.1371    0.0002
   220        0.5742             nan     0.1371   -0.0001
   240        0.5699             nan     0.1371   -0.0001
   260        0.5677             nan     0.1371   -0.0000
   280        0.5658             nan     0.1371   -0.0001
   300        0.5634             nan     0.1371   -0.0000
   320        0.5617             nan     0.1371   -0.0000
   340        0.5603             nan     0.1371   -0.0002
   360        0.5586             nan     0.1371   -0.0000
   380        0.5568             nan     0.1371   -0.0000
   400        0.5549             nan     0.1371   -0.0001
   420        0.5528             nan     0.1371   -0.0001
   440        0.5516             nan     0.1371   -0.0001
   460        0.5500             nan     0.1371   -0.0000
   480        0.5488             nan     0.1371   -0.0000
   500        0.5474             nan     0.1371   -0.0001
   520        0.5452             nan     0.1371   -0.0000
   540        0.5434             nan     0.1371    0.0002
   560        0.5425             nan     0.1371   -0.0001
   580        0.5415             nan     0.1371   -0.0000
   593        0.5410             nan     0.1371   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0057             nan     0.1425    0.0470
     2        0.9432             nan     0.1425    0.0312
     3        0.8956             nan     0.1425    0.0240
     4        0.8599             nan     0.1425    0.0170
     5        0.8301             nan     0.1425    0.0149
     6        0.8075             nan     0.1425    0.0111
     7        0.7879             nan     0.1425    0.0095
     8        0.7684             nan     0.1425    0.0093
     9        0.7531             nan     0.1425    0.0078
    10        0.7390             nan     0.1425    0.0067
    20        0.6613             nan     0.1425    0.0018
    40        0.6105             nan     0.1425    0.0005
    60        0.5896             nan     0.1425    0.0001
    80        0.5777             nan     0.1425   -0.0000
   100        0.5687             nan     0.1425   -0.0001
   120        0.5622             nan     0.1425   -0.0000
   140        0.5561             nan     0.1425   -0.0002
   160        0.5507             nan     0.1425   -0.0000
   180        0.5458             nan     0.1425   -0.0000
   200        0.5419             nan     0.1425   -0.0001
   220        0.5371             nan     0.1425   -0.0001
   240        0.5346             nan     0.1425   -0.0001
   260        0.5316             nan     0.1425   -0.0001
   280        0.5292             nan     0.1425   -0.0002
   300        0.5264             nan     0.1425   -0.0002
   320        0.5237             nan     0.1425   -0.0001
   340        0.5215             nan     0.1425   -0.0002
   360        0.5190             nan     0.1425   -0.0002
   380        0.5169             nan     0.1425   -0.0001
   400        0.5135             nan     0.1425   -0.0000
   420        0.5108             nan     0.1425   -0.0001
   440        0.5082             nan     0.1425   -0.0000
   460        0.5053             nan     0.1425   -0.0001
   480        0.5030             nan     0.1425    0.0002
   500        0.5015             nan     0.1425   -0.0001
   520        0.4995             nan     0.1425   -0.0001
   540        0.4978             nan     0.1425   -0.0001
   560        0.4957             nan     0.1425   -0.0001
   580        0.4936             nan     0.1425   -0.0001
   600        0.4918             nan     0.1425   -0.0001
   620        0.4901             nan     0.1425   -0.0001
   640        0.4883             nan     0.1425   -0.0000
   660        0.4868             nan     0.1425   -0.0001
   680        0.4854             nan     0.1425   -0.0001
   700        0.4840             nan     0.1425   -0.0002
   720        0.4826             nan     0.1425   -0.0001
   740        0.4806             nan     0.1425   -0.0001
   760        0.4793             nan     0.1425   -0.0000
   780        0.4779             nan     0.1425   -0.0001
   800        0.4763             nan     0.1425   -0.0001
   820        0.4748             nan     0.1425   -0.0001
   831        0.4739             nan     0.1425   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0011             nan     0.1438    0.0496
     2        0.9347             nan     0.1438    0.0315
     3        0.8861             nan     0.1438    0.0249
     4        0.8478             nan     0.1438    0.0186
     5        0.8183             nan     0.1438    0.0146
     6        0.7958             nan     0.1438    0.0110
     7        0.7747             nan     0.1438    0.0100
     8        0.7552             nan     0.1438    0.0096
     9        0.7383             nan     0.1438    0.0083
    10        0.7238             nan     0.1438    0.0071
    20        0.6485             nan     0.1438    0.0024
    40        0.6030             nan     0.1438    0.0000
    60        0.5844             nan     0.1438    0.0002
    80        0.5738             nan     0.1438    0.0002
   100        0.5647             nan     0.1438   -0.0000
   120        0.5585             nan     0.1438   -0.0002
   140        0.5535             nan     0.1438   -0.0000
   160        0.5488             nan     0.1438   -0.0001
   180        0.5453             nan     0.1438   -0.0001
   200        0.5414             nan     0.1438   -0.0002
   220        0.5384             nan     0.1438   -0.0001
   240        0.5352             nan     0.1438   -0.0002
   259        0.5313             nan     0.1438   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0041             nan     0.1455    0.0486
     2        0.9403             nan     0.1455    0.0321
     3        0.8911             nan     0.1455    0.0247
     4        0.8553             nan     0.1455    0.0173
     5        0.8248             nan     0.1455    0.0146
     6        0.8018             nan     0.1455    0.0114
     7        0.7802             nan     0.1455    0.0102
     8        0.7612             nan     0.1455    0.0094
     9        0.7440             nan     0.1455    0.0085
    10        0.7292             nan     0.1455    0.0072
    20        0.6543             nan     0.1455    0.0019
    40        0.6089             nan     0.1455    0.0008
    60        0.5880             nan     0.1455    0.0002
    80        0.5752             nan     0.1455    0.0005
   100        0.5662             nan     0.1455    0.0002
   108        0.5633             nan     0.1455   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0251             nan     0.1479    0.0386
     2        0.9708             nan     0.1479    0.0264
     3        0.9305             nan     0.1479    0.0200
     4        0.8908             nan     0.1479    0.0197
     5        0.8611             nan     0.1479    0.0147
     6        0.8402             nan     0.1479    0.0105
     7        0.8212             nan     0.1479    0.0092
     8        0.8048             nan     0.1479    0.0081
     9        0.7927             nan     0.1479    0.0061
    10        0.7778             nan     0.1479    0.0074
    20        0.6953             nan     0.1479    0.0023
    40        0.6386             nan     0.1479    0.0007
    60        0.6190             nan     0.1479    0.0002
    80        0.6051             nan     0.1479    0.0003
   100        0.5966             nan     0.1479   -0.0000
   120        0.5907             nan     0.1479    0.0000
   140        0.5857             nan     0.1479   -0.0000
   160        0.5818             nan     0.1479    0.0003
   180        0.5786             nan     0.1479   -0.0001
   200        0.5752             nan     0.1479    0.0000
   220        0.5714             nan     0.1479    0.0004
   240        0.5689             nan     0.1479   -0.0001
   260        0.5665             nan     0.1479   -0.0000
   280        0.5647             nan     0.1479   -0.0001
   300        0.5626             nan     0.1479   -0.0001
   320        0.5607             nan     0.1479   -0.0000
   340        0.5585             nan     0.1479   -0.0001
   360        0.5552             nan     0.1479   -0.0001
   380        0.5527             nan     0.1479    0.0000
   400        0.5511             nan     0.1479   -0.0001
   420        0.5492             nan     0.1479   -0.0000
   440        0.5475             nan     0.1479   -0.0000
   460        0.5464             nan     0.1479   -0.0000
   480        0.5453             nan     0.1479   -0.0001
   500        0.5442             nan     0.1479   -0.0001
   520        0.5426             nan     0.1479    0.0001
   540        0.5412             nan     0.1479   -0.0001
   560        0.5394             nan     0.1479   -0.0001
   580        0.5379             nan     0.1479   -0.0002
   600        0.5367             nan     0.1479   -0.0000
   620        0.5355             nan     0.1479   -0.0001
   640        0.5341             nan     0.1479   -0.0000
   660        0.5326             nan     0.1479   -0.0001
   680        0.5317             nan     0.1479   -0.0001
   700        0.5308             nan     0.1479   -0.0001
   720        0.5299             nan     0.1479   -0.0001
   740        0.5290             nan     0.1479   -0.0001
   760        0.5282             nan     0.1479   -0.0000
   780        0.5270             nan     0.1479   -0.0001
   800        0.5259             nan     0.1479   -0.0000
   820        0.5249             nan     0.1479   -0.0000
   840        0.5233             nan     0.1479   -0.0001
   860        0.5221             nan     0.1479   -0.0000
   880        0.5212             nan     0.1479   -0.0001
   900        0.5205             nan     0.1479   -0.0001
   920        0.5198             nan     0.1479   -0.0001
   940        0.5188             nan     0.1479   -0.0001
   960        0.5181             nan     0.1479   -0.0000
   980        0.5168             nan     0.1479   -0.0001
   986        0.5166             nan     0.1479   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9986             nan     0.1486    0.0500
     2        0.9317             nan     0.1486    0.0334
     3        0.8805             nan     0.1486    0.0253
     4        0.8432             nan     0.1486    0.0186
     5        0.8135             nan     0.1486    0.0145
     6        0.7900             nan     0.1486    0.0115
     7        0.7683             nan     0.1486    0.0107
     8        0.7490             nan     0.1486    0.0092
     9        0.7323             nan     0.1486    0.0084
    10        0.7192             nan     0.1486    0.0063
    20        0.6457             nan     0.1486    0.0020
    40        0.6021             nan     0.1486    0.0004
    60        0.5820             nan     0.1486    0.0000
    80        0.5697             nan     0.1486   -0.0001
   100        0.5617             nan     0.1486   -0.0000
   120        0.5558             nan     0.1486   -0.0001
   140        0.5500             nan     0.1486   -0.0002
   160        0.5459             nan     0.1486   -0.0001
   180        0.5411             nan     0.1486    0.0001
   200        0.5370             nan     0.1486   -0.0002
   220        0.5328             nan     0.1486   -0.0000
   240        0.5293             nan     0.1486   -0.0002
   260        0.5260             nan     0.1486   -0.0002
   280        0.5232             nan     0.1486   -0.0001
   300        0.5196             nan     0.1486   -0.0002
   320        0.5164             nan     0.1486   -0.0001
   340        0.5135             nan     0.1486   -0.0001
   360        0.5107             nan     0.1486   -0.0002
   380        0.5085             nan     0.1486   -0.0001
   400        0.5061             nan     0.1486   -0.0001
   420        0.5036             nan     0.1486   -0.0001
   440        0.5015             nan     0.1486   -0.0002
   460        0.4989             nan     0.1486   -0.0002
   480        0.4969             nan     0.1486   -0.0001
   500        0.4945             nan     0.1486   -0.0002
   520        0.4925             nan     0.1486   -0.0002
   540        0.4903             nan     0.1486   -0.0002
   560        0.4883             nan     0.1486   -0.0001
   580        0.4863             nan     0.1486   -0.0002
   600        0.4844             nan     0.1486   -0.0002
   620        0.4824             nan     0.1486   -0.0002
   640        0.4810             nan     0.1486   -0.0002
   660        0.4796             nan     0.1486   -0.0002
   680        0.4778             nan     0.1486   -0.0002
   700        0.4763             nan     0.1486   -0.0001
   720        0.4749             nan     0.1486   -0.0002
   740        0.4731             nan     0.1486   -0.0002
   760        0.4719             nan     0.1486   -0.0001
   780        0.4701             nan     0.1486   -0.0000
   800        0.4687             nan     0.1486   -0.0001
   820        0.4674             nan     0.1486   -0.0001
   840        0.4659             nan     0.1486   -0.0002
   860        0.4647             nan     0.1486   -0.0001
   880        0.4633             nan     0.1486   -0.0002
   900        0.4619             nan     0.1486   -0.0002
   920        0.4603             nan     0.1486   -0.0002
   940        0.4587             nan     0.1486   -0.0001
   957        0.4576             nan     0.1486   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0014             nan     0.1502    0.0501
     2        0.9376             nan     0.1502    0.0323
     3        0.8891             nan     0.1502    0.0238
     4        0.8527             nan     0.1502    0.0180
     5        0.8253             nan     0.1502    0.0135
     6        0.7972             nan     0.1502    0.0140
     7        0.7754             nan     0.1502    0.0104
     8        0.7585             nan     0.1502    0.0079
     9        0.7419             nan     0.1502    0.0083
    10        0.7269             nan     0.1502    0.0073
    20        0.6547             nan     0.1502    0.0018
    40        0.6111             nan     0.1502    0.0003
    60        0.5911             nan     0.1502    0.0006
    80        0.5804             nan     0.1502    0.0000
   100        0.5734             nan     0.1502   -0.0000
   120        0.5661             nan     0.1502    0.0004
   140        0.5601             nan     0.1502    0.0000
   160        0.5547             nan     0.1502   -0.0001
   180        0.5509             nan     0.1502   -0.0001
   200        0.5472             nan     0.1502   -0.0001
   220        0.5447             nan     0.1502   -0.0000
   240        0.5409             nan     0.1502   -0.0001
   260        0.5382             nan     0.1502   -0.0002
   280        0.5355             nan     0.1502   -0.0001
   300        0.5327             nan     0.1502   -0.0001
   320        0.5304             nan     0.1502   -0.0002
   340        0.5281             nan     0.1502   -0.0002
   360        0.5256             nan     0.1502   -0.0001
   380        0.5233             nan     0.1502   -0.0001
   400        0.5216             nan     0.1502   -0.0003
   420        0.5198             nan     0.1502   -0.0001
   440        0.5183             nan     0.1502   -0.0002
   460        0.5163             nan     0.1502   -0.0001
   480        0.5140             nan     0.1502   -0.0001
   500        0.5119             nan     0.1502   -0.0001
   520        0.5101             nan     0.1502   -0.0002
   540        0.5087             nan     0.1502   -0.0002
   560        0.5076             nan     0.1502   -0.0001
   580        0.5062             nan     0.1502   -0.0000
   600        0.5050             nan     0.1502   -0.0002
   620        0.5038             nan     0.1502   -0.0001
   640        0.5023             nan     0.1502   -0.0001
   660        0.5004             nan     0.1502   -0.0002
   680        0.4987             nan     0.1502   -0.0002
   689        0.4982             nan     0.1502   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9958             nan     0.1546    0.0503
     2        0.9301             nan     0.1546    0.0331
     3        0.8816             nan     0.1546    0.0234
     4        0.8467             nan     0.1546    0.0172
     5        0.8173             nan     0.1546    0.0147
     6        0.7953             nan     0.1546    0.0107
     7        0.7715             nan     0.1546    0.0117
     8        0.7556             nan     0.1546    0.0077
     9        0.7423             nan     0.1546    0.0062
    10        0.7266             nan     0.1546    0.0077
    20        0.6515             nan     0.1546    0.0027
    40        0.6051             nan     0.1546    0.0004
    60        0.5858             nan     0.1546    0.0010
    80        0.5746             nan     0.1546    0.0002
   100        0.5664             nan     0.1546   -0.0000
   120        0.5593             nan     0.1546   -0.0002
   140        0.5524             nan     0.1546   -0.0001
   160        0.5468             nan     0.1546   -0.0001
   180        0.5428             nan     0.1546   -0.0001
   200        0.5381             nan     0.1546   -0.0001
   220        0.5351             nan     0.1546   -0.0001
   240        0.5308             nan     0.1546   -0.0001
   260        0.5279             nan     0.1546   -0.0001
   280        0.5241             nan     0.1546   -0.0001
   300        0.5208             nan     0.1546   -0.0002
   320        0.5172             nan     0.1546   -0.0002
   340        0.5148             nan     0.1546   -0.0001
   347        0.5138             nan     0.1546   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9967             nan     0.1561    0.0513
     2        0.9314             nan     0.1561    0.0322
     3        0.8823             nan     0.1561    0.0237
     4        0.8446             nan     0.1561    0.0187
     5        0.8168             nan     0.1561    0.0136
     6        0.7927             nan     0.1561    0.0117
     7        0.7710             nan     0.1561    0.0106
     8        0.7540             nan     0.1561    0.0084
     9        0.7402             nan     0.1561    0.0070
    10        0.7279             nan     0.1561    0.0057
    20        0.6494             nan     0.1561    0.0026
    40        0.6047             nan     0.1561    0.0005
    60        0.5854             nan     0.1561    0.0002
    80        0.5752             nan     0.1561    0.0003
   100        0.5674             nan     0.1561   -0.0001
   120        0.5580             nan     0.1561   -0.0001
   140        0.5515             nan     0.1561   -0.0001
   160        0.5463             nan     0.1561   -0.0001
   180        0.5425             nan     0.1561   -0.0000
   200        0.5392             nan     0.1561    0.0000
   220        0.5351             nan     0.1561   -0.0001
   240        0.5313             nan     0.1561   -0.0001
   260        0.5280             nan     0.1561   -0.0002
   280        0.5245             nan     0.1561   -0.0002
   300        0.5218             nan     0.1561   -0.0001
   302        0.5215             nan     0.1561   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0097             nan     0.1572    0.0458
     2        0.9439             nan     0.1572    0.0327
     3        0.8980             nan     0.1572    0.0232
     4        0.8607             nan     0.1572    0.0186
     5        0.8331             nan     0.1572    0.0138
     6        0.8058             nan     0.1572    0.0139
     7        0.7837             nan     0.1572    0.0111
     8        0.7699             nan     0.1572    0.0067
     9        0.7529             nan     0.1572    0.0082
    10        0.7399             nan     0.1572    0.0065
    20        0.6668             nan     0.1572    0.0022
    40        0.6195             nan     0.1572    0.0007
    60        0.6018             nan     0.1572    0.0004
    80        0.5923             nan     0.1572    0.0000
   100        0.5857             nan     0.1572   -0.0001
   120        0.5800             nan     0.1572   -0.0001
   140        0.5758             nan     0.1572   -0.0001
   160        0.5719             nan     0.1572    0.0000
   180        0.5690             nan     0.1572    0.0001
   200        0.5659             nan     0.1572   -0.0001
   220        0.5618             nan     0.1572   -0.0001
   240        0.5590             nan     0.1572    0.0000
   260        0.5558             nan     0.1572   -0.0000
   280        0.5542             nan     0.1572   -0.0001
   300        0.5526             nan     0.1572   -0.0000
   320        0.5508             nan     0.1572   -0.0001
   340        0.5486             nan     0.1572   -0.0001
   360        0.5469             nan     0.1572   -0.0001
   380        0.5451             nan     0.1572   -0.0001
   400        0.5436             nan     0.1572   -0.0001
   404        0.5427             nan     0.1572   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0075             nan     0.1580    0.0460
     2        0.9408             nan     0.1580    0.0333
     3        0.8939             nan     0.1580    0.0229
     4        0.8537             nan     0.1580    0.0201
     5        0.8231             nan     0.1580    0.0149
     6        0.8010             nan     0.1580    0.0108
     7        0.7822             nan     0.1580    0.0092
     8        0.7654             nan     0.1580    0.0082
     9        0.7508             nan     0.1580    0.0070
    10        0.7385             nan     0.1580    0.0053
    20        0.6634             nan     0.1580    0.0026
    40        0.6186             nan     0.1580    0.0004
    60        0.6005             nan     0.1580    0.0003
    80        0.5908             nan     0.1580    0.0000
   100        0.5828             nan     0.1580   -0.0000
   120        0.5767             nan     0.1580   -0.0001
   140        0.5708             nan     0.1580   -0.0002
   160        0.5661             nan     0.1580   -0.0000
   180        0.5626             nan     0.1580   -0.0002
   200        0.5589             nan     0.1580   -0.0001
   220        0.5559             nan     0.1580   -0.0001
   240        0.5531             nan     0.1580   -0.0001
   260        0.5506             nan     0.1580   -0.0001
   280        0.5489             nan     0.1580   -0.0000
   300        0.5469             nan     0.1580   -0.0001
   320        0.5445             nan     0.1580   -0.0002
   340        0.5428             nan     0.1580   -0.0001
   360        0.5412             nan     0.1580   -0.0001
   380        0.5395             nan     0.1580   -0.0001
   400        0.5380             nan     0.1580   -0.0002
   420        0.5365             nan     0.1580   -0.0001
   440        0.5349             nan     0.1580   -0.0001
   460        0.5330             nan     0.1580   -0.0001
   480        0.5313             nan     0.1580   -0.0001
   500        0.5297             nan     0.1580   -0.0001
   514        0.5287             nan     0.1580   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0087             nan     0.1589    0.0465
     2        0.9447             nan     0.1589    0.0312
     3        0.8940             nan     0.1589    0.0245
     4        0.8536             nan     0.1589    0.0207
     5        0.8268             nan     0.1589    0.0131
     6        0.8011             nan     0.1589    0.0122
     7        0.7840             nan     0.1589    0.0080
     8        0.7664             nan     0.1589    0.0085
     9        0.7519             nan     0.1589    0.0071
    10        0.7375             nan     0.1589    0.0069
    20        0.6648             nan     0.1589    0.0023
    40        0.6186             nan     0.1589    0.0004
    60        0.6008             nan     0.1589    0.0002
    80        0.5897             nan     0.1589    0.0003
   100        0.5800             nan     0.1589    0.0002
   120        0.5740             nan     0.1589   -0.0002
   140        0.5686             nan     0.1589   -0.0001
   160        0.5648             nan     0.1589   -0.0001
   180        0.5616             nan     0.1589   -0.0001
   200        0.5576             nan     0.1589   -0.0001
   220        0.5543             nan     0.1589   -0.0001
   240        0.5518             nan     0.1589   -0.0000
   260        0.5497             nan     0.1589   -0.0001
   280        0.5466             nan     0.1589    0.0003
   300        0.5433             nan     0.1589   -0.0000
   320        0.5412             nan     0.1589   -0.0001
   340        0.5391             nan     0.1589   -0.0002
   360        0.5373             nan     0.1589   -0.0001
   380        0.5357             nan     0.1589   -0.0000
   400        0.5338             nan     0.1589   -0.0001
   420        0.5323             nan     0.1589   -0.0001
   440        0.5304             nan     0.1589   -0.0001
   460        0.5289             nan     0.1589   -0.0001
   480        0.5272             nan     0.1589   -0.0000
   500        0.5257             nan     0.1589   -0.0001
   520        0.5246             nan     0.1589   -0.0000
   540        0.5233             nan     0.1589   -0.0001
   557        0.5222             nan     0.1589   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0192             nan     0.1591    0.0405
     2        0.9640             nan     0.1591    0.0285
     3        0.9233             nan     0.1591    0.0199
     4        0.8831             nan     0.1591    0.0201
     5        0.8530             nan     0.1591    0.0150
     6        0.8317             nan     0.1591    0.0103
     7        0.8142             nan     0.1591    0.0084
     8        0.8017             nan     0.1591    0.0062
     9        0.7865             nan     0.1591    0.0075
    10        0.7743             nan     0.1591    0.0059
    20        0.6916             nan     0.1591    0.0017
    40        0.6365             nan     0.1591    0.0003
    60        0.6168             nan     0.1591    0.0002
    80        0.6045             nan     0.1591    0.0001
   100        0.5964             nan     0.1591    0.0001
   120        0.5894             nan     0.1591    0.0001
   140        0.5837             nan     0.1591   -0.0000
   160        0.5792             nan     0.1591   -0.0001
   180        0.5759             nan     0.1591    0.0000
   200        0.5726             nan     0.1591   -0.0000
   220        0.5695             nan     0.1591   -0.0001
   240        0.5669             nan     0.1591   -0.0001
   260        0.5634             nan     0.1591   -0.0001
   280        0.5614             nan     0.1591    0.0000
   300        0.5589             nan     0.1591    0.0003
   320        0.5571             nan     0.1591   -0.0001
   340        0.5555             nan     0.1591   -0.0001
   360        0.5542             nan     0.1591   -0.0001
   380        0.5533             nan     0.1591   -0.0002
   400        0.5515             nan     0.1591   -0.0001
   420        0.5501             nan     0.1591   -0.0001
   440        0.5483             nan     0.1591   -0.0000
   460        0.5473             nan     0.1591   -0.0001
   480        0.5462             nan     0.1591   -0.0000
   500        0.5451             nan     0.1591   -0.0001
   520        0.5439             nan     0.1591   -0.0001
   540        0.5420             nan     0.1591   -0.0001
   560        0.5409             nan     0.1591   -0.0001
   580        0.5398             nan     0.1591   -0.0001
   600        0.5384             nan     0.1591   -0.0001
   620        0.5367             nan     0.1591   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9981             nan     0.1593    0.0508
     2        0.9293             nan     0.1593    0.0333
     3        0.8802             nan     0.1593    0.0243
     4        0.8452             nan     0.1593    0.0179
     5        0.8159             nan     0.1593    0.0139
     6        0.7915             nan     0.1593    0.0123
     7        0.7670             nan     0.1593    0.0118
     8        0.7501             nan     0.1593    0.0082
     9        0.7367             nan     0.1593    0.0070
    10        0.7221             nan     0.1593    0.0069
    20        0.6480             nan     0.1593    0.0015
    40        0.6049             nan     0.1593    0.0006
    60        0.5875             nan     0.1593    0.0001
    80        0.5776             nan     0.1593   -0.0000
   100        0.5715             nan     0.1593   -0.0001
   120        0.5660             nan     0.1593   -0.0000
   140        0.5611             nan     0.1593   -0.0001
   160        0.5563             nan     0.1593   -0.0000
   180        0.5521             nan     0.1593   -0.0001
   200        0.5488             nan     0.1593   -0.0001
   220        0.5458             nan     0.1593   -0.0001
   240        0.5431             nan     0.1593   -0.0002
   260        0.5409             nan     0.1593   -0.0002
   280        0.5390             nan     0.1593   -0.0001
   300        0.5357             nan     0.1593   -0.0000
   320        0.5332             nan     0.1593   -0.0001
   340        0.5314             nan     0.1593   -0.0000
   360        0.5293             nan     0.1593   -0.0001
   380        0.5269             nan     0.1593   -0.0001
   400        0.5254             nan     0.1593   -0.0001
   420        0.5237             nan     0.1593   -0.0002
   440        0.5215             nan     0.1593   -0.0002
   460        0.5203             nan     0.1593   -0.0001
   480        0.5191             nan     0.1593   -0.0000
   500        0.5178             nan     0.1593   -0.0001
   520        0.5159             nan     0.1593    0.0001
   540        0.5148             nan     0.1593   -0.0002
   560        0.5129             nan     0.1593   -0.0001
   580        0.5118             nan     0.1593   -0.0001
   600        0.5099             nan     0.1593   -0.0002
   620        0.5084             nan     0.1593   -0.0001
   639        0.5066             nan     0.1593   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9901             nan     0.1625    0.0541
     2        0.9202             nan     0.1625    0.0351
     3        0.8688             nan     0.1625    0.0257
     4        0.8296             nan     0.1625    0.0194
     5        0.8004             nan     0.1625    0.0145
     6        0.7763             nan     0.1625    0.0120
     7        0.7572             nan     0.1625    0.0094
     8        0.7384             nan     0.1625    0.0091
     9        0.7224             nan     0.1625    0.0079
    10        0.7104             nan     0.1625    0.0056
    20        0.6363             nan     0.1625    0.0012
    40        0.5961             nan     0.1625    0.0005
    60        0.5795             nan     0.1625   -0.0001
    80        0.5688             nan     0.1625   -0.0001
   100        0.5622             nan     0.1625    0.0000
   120        0.5546             nan     0.1625   -0.0001
   140        0.5491             nan     0.1625   -0.0002
   160        0.5442             nan     0.1625   -0.0001
   180        0.5400             nan     0.1625   -0.0001
   185        0.5393             nan     0.1625   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9908             nan     0.1685    0.0552
     2        0.9211             nan     0.1685    0.0344
     3        0.8718             nan     0.1685    0.0242
     4        0.8361             nan     0.1685    0.0172
     5        0.8060             nan     0.1685    0.0146
     6        0.7805             nan     0.1685    0.0127
     7        0.7568             nan     0.1685    0.0113
     8        0.7394             nan     0.1685    0.0085
     9        0.7255             nan     0.1685    0.0071
    10        0.7127             nan     0.1685    0.0056
    20        0.6410             nan     0.1685    0.0021
    40        0.6002             nan     0.1685    0.0002
    60        0.5825             nan     0.1685   -0.0000
    80        0.5718             nan     0.1685    0.0001
   100        0.5618             nan     0.1685   -0.0001
   120        0.5544             nan     0.1685   -0.0001
   140        0.5472             nan     0.1685   -0.0002
   160        0.5413             nan     0.1685   -0.0000
   180        0.5362             nan     0.1685   -0.0001
   200        0.5313             nan     0.1685   -0.0001
   220        0.5275             nan     0.1685   -0.0002
   240        0.5239             nan     0.1685   -0.0002
   260        0.5203             nan     0.1685   -0.0000
   280        0.5168             nan     0.1685   -0.0001
   300        0.5132             nan     0.1685   -0.0001
   320        0.5093             nan     0.1685   -0.0001
   340        0.5067             nan     0.1685   -0.0001
   360        0.5034             nan     0.1685   -0.0000
   380        0.5003             nan     0.1685   -0.0002
   400        0.4969             nan     0.1685   -0.0000
   420        0.4941             nan     0.1685   -0.0001
   440        0.4916             nan     0.1685   -0.0001
   460        0.4892             nan     0.1685   -0.0001
   480        0.4861             nan     0.1685   -0.0001
   500        0.4838             nan     0.1685   -0.0001
   520        0.4814             nan     0.1685   -0.0002
   540        0.4781             nan     0.1685   -0.0001
   560        0.4757             nan     0.1685   -0.0002
   580        0.4731             nan     0.1685   -0.0000
   600        0.4710             nan     0.1685   -0.0001
   620        0.4685             nan     0.1685   -0.0001
   640        0.4662             nan     0.1685   -0.0001
   660        0.4638             nan     0.1685   -0.0001
   680        0.4616             nan     0.1685   -0.0002
   700        0.4593             nan     0.1685   -0.0002
   720        0.4564             nan     0.1685   -0.0001
   740        0.4544             nan     0.1685   -0.0001
   750        0.4534             nan     0.1685   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0148             nan     0.1687    0.0429
     2        0.9575             nan     0.1687    0.0286
     3        0.9082             nan     0.1687    0.0244
     4        0.8788             nan     0.1687    0.0141
     5        0.8475             nan     0.1687    0.0150
     6        0.8263             nan     0.1687    0.0105
     7        0.8069             nan     0.1687    0.0100
     8        0.7869             nan     0.1687    0.0097
     9        0.7753             nan     0.1687    0.0058
    10        0.7625             nan     0.1687    0.0064
    20        0.6848             nan     0.1687    0.0020
    40        0.6336             nan     0.1687    0.0004
    60        0.6150             nan     0.1687    0.0001
    80        0.6029             nan     0.1687   -0.0000
   100        0.5949             nan     0.1687    0.0002
   120        0.5897             nan     0.1687    0.0001
   140        0.5851             nan     0.1687   -0.0000
   160        0.5815             nan     0.1687   -0.0002
   180        0.5782             nan     0.1687   -0.0001
   200        0.5757             nan     0.1687   -0.0001
   220        0.5733             nan     0.1687   -0.0001
   240        0.5710             nan     0.1687   -0.0001
   257        0.5690             nan     0.1687   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0143             nan     0.1688    0.0436
     2        0.9573             nan     0.1688    0.0281
     3        0.9016             nan     0.1688    0.0279
     4        0.8639             nan     0.1688    0.0194
     5        0.8395             nan     0.1688    0.0117
     6        0.8192             nan     0.1688    0.0097
     7        0.8009             nan     0.1688    0.0094
     8        0.7856             nan     0.1688    0.0073
     9        0.7696             nan     0.1688    0.0081
    10        0.7581             nan     0.1688    0.0054
    20        0.6824             nan     0.1688    0.0016
    40        0.6306             nan     0.1688    0.0005
    60        0.6130             nan     0.1688   -0.0001
    80        0.6014             nan     0.1688    0.0001
   100        0.5935             nan     0.1688    0.0000
   120        0.5884             nan     0.1688   -0.0000
   140        0.5828             nan     0.1688   -0.0001
   160        0.5795             nan     0.1688   -0.0000
   180        0.5765             nan     0.1688   -0.0000
   200        0.5739             nan     0.1688   -0.0001
   220        0.5711             nan     0.1688   -0.0001
   240        0.5686             nan     0.1688   -0.0001
   260        0.5659             nan     0.1688   -0.0001
   280        0.5638             nan     0.1688   -0.0002
   300        0.5619             nan     0.1688   -0.0001
   320        0.5595             nan     0.1688    0.0003
   340        0.5579             nan     0.1688    0.0001
   360        0.5555             nan     0.1688   -0.0001
   380        0.5529             nan     0.1688    0.0000
   400        0.5515             nan     0.1688   -0.0001
   420        0.5500             nan     0.1688   -0.0001
   440        0.5485             nan     0.1688   -0.0001
   460        0.5470             nan     0.1688   -0.0001
   480        0.5453             nan     0.1688   -0.0001
   500        0.5437             nan     0.1688   -0.0002
   520        0.5427             nan     0.1688   -0.0001
   540        0.5418             nan     0.1688   -0.0001
   560        0.5405             nan     0.1688   -0.0001
   572        0.5396             nan     0.1688   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9826             nan     0.1722    0.0575
     2        0.9118             nan     0.1722    0.0351
     3        0.8601             nan     0.1722    0.0252
     4        0.8214             nan     0.1722    0.0191
     5        0.7910             nan     0.1722    0.0149
     6        0.7671             nan     0.1722    0.0116
     7        0.7436             nan     0.1722    0.0114
     8        0.7245             nan     0.1722    0.0089
     9        0.7109             nan     0.1722    0.0065
    10        0.6985             nan     0.1722    0.0056
    20        0.6336             nan     0.1722    0.0014
    40        0.5931             nan     0.1722    0.0001
    60        0.5755             nan     0.1722    0.0001
    80        0.5619             nan     0.1722    0.0003
   100        0.5525             nan     0.1722   -0.0001
   120        0.5466             nan     0.1722   -0.0002
   140        0.5405             nan     0.1722   -0.0002
   160        0.5350             nan     0.1722   -0.0002
   180        0.5306             nan     0.1722   -0.0000
   200        0.5260             nan     0.1722   -0.0001
   220        0.5222             nan     0.1722   -0.0001
   240        0.5183             nan     0.1722   -0.0003
   260        0.5147             nan     0.1722   -0.0002
   280        0.5111             nan     0.1722   -0.0001
   300        0.5079             nan     0.1722   -0.0001
   320        0.5050             nan     0.1722   -0.0001
   340        0.5014             nan     0.1722   -0.0002
   360        0.4986             nan     0.1722   -0.0002
   380        0.4959             nan     0.1722   -0.0002
   400        0.4927             nan     0.1722   -0.0002
   420        0.4904             nan     0.1722   -0.0002
   440        0.4873             nan     0.1722   -0.0001
   460        0.4849             nan     0.1722   -0.0002
   480        0.4824             nan     0.1722   -0.0002
   500        0.4799             nan     0.1722   -0.0001
   520        0.4775             nan     0.1722   -0.0002
   540        0.4754             nan     0.1722   -0.0002
   560        0.4731             nan     0.1722   -0.0001
   580        0.4713             nan     0.1722   -0.0002
   600        0.4696             nan     0.1722   -0.0001
   620        0.4674             nan     0.1722   -0.0001
   640        0.4645             nan     0.1722   -0.0002
   660        0.4622             nan     0.1722   -0.0001
   665        0.4615             nan     0.1722   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9836             nan     0.1728    0.0569
     2        0.9125             nan     0.1728    0.0353
     3        0.8616             nan     0.1728    0.0261
     4        0.8238             nan     0.1728    0.0185
     5        0.7936             nan     0.1728    0.0153
     6        0.7703             nan     0.1728    0.0115
     7        0.7449             nan     0.1728    0.0118
     8        0.7283             nan     0.1728    0.0080
     9        0.7132             nan     0.1728    0.0070
    10        0.6979             nan     0.1728    0.0073
    20        0.6344             nan     0.1728    0.0016
    40        0.5977             nan     0.1728    0.0006
    60        0.5813             nan     0.1728   -0.0001
    80        0.5719             nan     0.1728   -0.0000
   100        0.5636             nan     0.1728   -0.0001
   120        0.5574             nan     0.1728   -0.0002
   140        0.5525             nan     0.1728   -0.0000
   160        0.5486             nan     0.1728   -0.0003
   180        0.5451             nan     0.1728   -0.0003
   200        0.5405             nan     0.1728   -0.0002
   220        0.5376             nan     0.1728   -0.0001
   240        0.5337             nan     0.1728   -0.0002
   260        0.5308             nan     0.1728   -0.0002
   280        0.5278             nan     0.1728   -0.0001
   300        0.5248             nan     0.1728   -0.0002
   320        0.5220             nan     0.1728   -0.0002
   340        0.5193             nan     0.1728   -0.0002
   360        0.5161             nan     0.1728    0.0000
   380        0.5140             nan     0.1728   -0.0002
   400        0.5112             nan     0.1728   -0.0003
   420        0.5089             nan     0.1728   -0.0002
   434        0.5076             nan     0.1728   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9856             nan     0.1746    0.0559
     2        0.9159             nan     0.1746    0.0351
     3        0.8667             nan     0.1746    0.0245
     4        0.8321             nan     0.1746    0.0167
     5        0.8045             nan     0.1746    0.0134
     6        0.7770             nan     0.1746    0.0136
     7        0.7577             nan     0.1746    0.0094
     8        0.7376             nan     0.1746    0.0097
     9        0.7202             nan     0.1746    0.0081
    10        0.7080             nan     0.1746    0.0059
    20        0.6420             nan     0.1746    0.0021
    40        0.6009             nan     0.1746    0.0002
    60        0.5818             nan     0.1746    0.0002
    80        0.5711             nan     0.1746   -0.0001
   100        0.5615             nan     0.1746    0.0010
   120        0.5552             nan     0.1746   -0.0001
   140        0.5481             nan     0.1746   -0.0001
   160        0.5422             nan     0.1746   -0.0001
   180        0.5377             nan     0.1746   -0.0001
   200        0.5336             nan     0.1746   -0.0001
   220        0.5298             nan     0.1746   -0.0001
   240        0.5260             nan     0.1746   -0.0001
   260        0.5221             nan     0.1746   -0.0001
   280        0.5192             nan     0.1746   -0.0002
   300        0.5155             nan     0.1746   -0.0002
   320        0.5127             nan     0.1746   -0.0000
   340        0.5080             nan     0.1746   -0.0002
   360        0.5054             nan     0.1746   -0.0001
   380        0.5016             nan     0.1746   -0.0002
   400        0.4980             nan     0.1746   -0.0002
   420        0.4946             nan     0.1746   -0.0001
   440        0.4923             nan     0.1746   -0.0002
   460        0.4892             nan     0.1746   -0.0001
   480        0.4866             nan     0.1746   -0.0001
   500        0.4832             nan     0.1746   -0.0002
   520        0.4809             nan     0.1746   -0.0001
   540        0.4783             nan     0.1746   -0.0001
   560        0.4765             nan     0.1746   -0.0001
   580        0.4742             nan     0.1746   -0.0001
   600        0.4714             nan     0.1746   -0.0002
   620        0.4695             nan     0.1746   -0.0001
   640        0.4673             nan     0.1746   -0.0000
   660        0.4644             nan     0.1746   -0.0001
   680        0.4622             nan     0.1746   -0.0001
   700        0.4594             nan     0.1746   -0.0001
   720        0.4577             nan     0.1746   -0.0001
   740        0.4554             nan     0.1746   -0.0001
   760        0.4536             nan     0.1746   -0.0001
   780        0.4511             nan     0.1746   -0.0002
   800        0.4490             nan     0.1746   -0.0002
   820        0.4470             nan     0.1746   -0.0001
   840        0.4450             nan     0.1746   -0.0001
   860        0.4432             nan     0.1746   -0.0002
   870        0.4424             nan     0.1746   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9966             nan     0.1804    0.0518
     2        0.9249             nan     0.1804    0.0368
     3        0.8768             nan     0.1804    0.0233
     4        0.8403             nan     0.1804    0.0181
     5        0.8098             nan     0.1804    0.0147
     6        0.7877             nan     0.1804    0.0108
     7        0.7686             nan     0.1804    0.0090
     8        0.7502             nan     0.1804    0.0091
     9        0.7367             nan     0.1804    0.0066
    10        0.7220             nan     0.1804    0.0069
    20        0.6519             nan     0.1804    0.0026
    40        0.6118             nan     0.1804    0.0002
    60        0.5939             nan     0.1804    0.0002
    80        0.5822             nan     0.1804    0.0003
   100        0.5750             nan     0.1804    0.0000
   120        0.5688             nan     0.1804   -0.0002
   140        0.5644             nan     0.1804   -0.0001
   160        0.5600             nan     0.1804   -0.0001
   180        0.5569             nan     0.1804   -0.0001
   200        0.5536             nan     0.1804   -0.0001
   220        0.5507             nan     0.1804   -0.0002
   240        0.5474             nan     0.1804   -0.0001
   260        0.5448             nan     0.1804   -0.0002
   280        0.5432             nan     0.1804   -0.0002
   300        0.5410             nan     0.1804   -0.0002
   320        0.5393             nan     0.1804   -0.0001
   340        0.5375             nan     0.1804   -0.0002
   360        0.5357             nan     0.1804   -0.0001
   380        0.5344             nan     0.1804   -0.0002
   400        0.5329             nan     0.1804   -0.0001
   420        0.5307             nan     0.1804   -0.0002
   440        0.5284             nan     0.1804   -0.0000
   460        0.5270             nan     0.1804   -0.0002
   480        0.5251             nan     0.1804   -0.0001
   500        0.5239             nan     0.1804   -0.0002
   520        0.5227             nan     0.1804   -0.0001
   540        0.5205             nan     0.1804   -0.0001
   560        0.5189             nan     0.1804   -0.0002
   580        0.5177             nan     0.1804   -0.0001
   600        0.5159             nan     0.1804   -0.0001
   620        0.5149             nan     0.1804   -0.0001
   640        0.5138             nan     0.1804   -0.0001
   660        0.5126             nan     0.1804   -0.0001
   667        0.5123             nan     0.1804   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9932             nan     0.1837    0.0518
     2        0.9198             nan     0.1837    0.0360
     3        0.8659             nan     0.1837    0.0260
     4        0.8280             nan     0.1837    0.0187
     5        0.8015             nan     0.1837    0.0131
     6        0.7775             nan     0.1837    0.0110
     7        0.7590             nan     0.1837    0.0092
     8        0.7427             nan     0.1837    0.0080
     9        0.7298             nan     0.1837    0.0065
    10        0.7172             nan     0.1837    0.0062
    20        0.6501             nan     0.1837    0.0022
    40        0.6090             nan     0.1837    0.0007
    60        0.5918             nan     0.1837   -0.0000
    80        0.5813             nan     0.1837    0.0001
   100        0.5743             nan     0.1837   -0.0001
   120        0.5687             nan     0.1837   -0.0001
   140        0.5639             nan     0.1837   -0.0001
   160        0.5598             nan     0.1837   -0.0001
   180        0.5556             nan     0.1837   -0.0002
   200        0.5529             nan     0.1837   -0.0002
   220        0.5501             nan     0.1837   -0.0002
   240        0.5470             nan     0.1837   -0.0000
   260        0.5444             nan     0.1837   -0.0001
   280        0.5413             nan     0.1837   -0.0001
   300        0.5390             nan     0.1837   -0.0001
   320        0.5364             nan     0.1837   -0.0001
   340        0.5338             nan     0.1837   -0.0001
   360        0.5314             nan     0.1837   -0.0001
   380        0.5304             nan     0.1837   -0.0001
   400        0.5284             nan     0.1837   -0.0001
   420        0.5272             nan     0.1837   -0.0001
   440        0.5254             nan     0.1837   -0.0001
   460        0.5235             nan     0.1837   -0.0001
   480        0.5218             nan     0.1837   -0.0001
   500        0.5206             nan     0.1837   -0.0001
   507        0.5201             nan     0.1837   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0082             nan     0.1839    0.0458
     2        0.9476             nan     0.1839    0.0307
     3        0.9042             nan     0.1839    0.0219
     4        0.8625             nan     0.1839    0.0212
     5        0.8341             nan     0.1839    0.0142
     6        0.8132             nan     0.1839    0.0101
     7        0.7924             nan     0.1839    0.0101
     8        0.7780             nan     0.1839    0.0070
     9        0.7620             nan     0.1839    0.0077
    10        0.7515             nan     0.1839    0.0053
    20        0.6754             nan     0.1839    0.0017
    40        0.6282             nan     0.1839    0.0004
    60        0.6098             nan     0.1839   -0.0001
    80        0.5983             nan     0.1839    0.0001
   100        0.5915             nan     0.1839   -0.0000
   120        0.5862             nan     0.1839   -0.0001
   140        0.5824             nan     0.1839   -0.0001
   160        0.5789             nan     0.1839   -0.0001
   180        0.5759             nan     0.1839    0.0002
   200        0.5731             nan     0.1839   -0.0002
   220        0.5701             nan     0.1839   -0.0000
   240        0.5679             nan     0.1839    0.0000
   260        0.5659             nan     0.1839   -0.0001
   280        0.5637             nan     0.1839   -0.0000
   300        0.5613             nan     0.1839   -0.0000
   320        0.5594             nan     0.1839   -0.0001
   340        0.5579             nan     0.1839   -0.0001
   360        0.5565             nan     0.1839   -0.0001
   380        0.5548             nan     0.1839   -0.0001
   400        0.5533             nan     0.1839   -0.0000
   420        0.5526             nan     0.1839   -0.0001
   440        0.5510             nan     0.1839   -0.0001
   460        0.5494             nan     0.1839   -0.0001
   480        0.5479             nan     0.1839   -0.0001
   500        0.5470             nan     0.1839   -0.0001
   520        0.5461             nan     0.1839   -0.0001
   540        0.5447             nan     0.1839   -0.0001
   560        0.5439             nan     0.1839   -0.0001
   580        0.5433             nan     0.1839   -0.0002
   600        0.5420             nan     0.1839   -0.0001
   620        0.5413             nan     0.1839   -0.0001
   640        0.5403             nan     0.1839   -0.0001
   660        0.5397             nan     0.1839    0.0000
   680        0.5383             nan     0.1839   -0.0001
   700        0.5375             nan     0.1839   -0.0002
   706        0.5373             nan     0.1839   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0036             nan     0.1931    0.0487
     2        0.9417             nan     0.1931    0.0313
     3        0.8905             nan     0.1931    0.0260
     4        0.8608             nan     0.1931    0.0148
     5        0.8312             nan     0.1931    0.0147
     6        0.8090             nan     0.1931    0.0107
     7        0.7932             nan     0.1931    0.0070
     8        0.7735             nan     0.1931    0.0099
     9        0.7574             nan     0.1931    0.0082
    10        0.7444             nan     0.1931    0.0062
    20        0.6702             nan     0.1931    0.0020
    40        0.6239             nan     0.1931    0.0005
    60        0.6073             nan     0.1931    0.0000
    80        0.5965             nan     0.1931    0.0004
   100        0.5888             nan     0.1931    0.0000
   120        0.5846             nan     0.1931    0.0000
   140        0.5794             nan     0.1931    0.0000
   160        0.5765             nan     0.1931   -0.0000
   180        0.5736             nan     0.1931   -0.0001
   200        0.5690             nan     0.1931   -0.0001
   220        0.5670             nan     0.1931   -0.0001
   240        0.5646             nan     0.1931    0.0000
   260        0.5620             nan     0.1931   -0.0001
   280        0.5596             nan     0.1931    0.0000
   300        0.5572             nan     0.1931   -0.0001
   320        0.5560             nan     0.1931   -0.0001
   340        0.5541             nan     0.1931   -0.0001
   360        0.5525             nan     0.1931   -0.0000
   380        0.5510             nan     0.1931   -0.0002
   400        0.5498             nan     0.1931   -0.0001
   420        0.5491             nan     0.1931   -0.0003
   440        0.5478             nan     0.1931   -0.0001
   460        0.5460             nan     0.1931   -0.0001
   480        0.5451             nan     0.1931   -0.0001
   500        0.5441             nan     0.1931   -0.0001
   520        0.5434             nan     0.1931   -0.0001
   540        0.5425             nan     0.1931   -0.0001
   560        0.5415             nan     0.1931   -0.0001
   580        0.5405             nan     0.1931   -0.0002
   600        0.5393             nan     0.1931   -0.0001
   620        0.5387             nan     0.1931   -0.0001
   637        0.5379             nan     0.1931   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9907             nan     0.1938    0.0568
     2        0.9190             nan     0.1938    0.0343
     3        0.8663             nan     0.1938    0.0254
     4        0.8248             nan     0.1938    0.0205
     5        0.7924             nan     0.1938    0.0155
     6        0.7682             nan     0.1938    0.0120
     7        0.7524             nan     0.1938    0.0079
     8        0.7368             nan     0.1938    0.0076
     9        0.7248             nan     0.1938    0.0059
    10        0.7108             nan     0.1938    0.0068
    20        0.6445             nan     0.1938    0.0017
    40        0.6052             nan     0.1938    0.0004
    60        0.5877             nan     0.1938    0.0002
    80        0.5778             nan     0.1938    0.0001
   100        0.5700             nan     0.1938   -0.0001
   120        0.5634             nan     0.1938   -0.0001
   140        0.5588             nan     0.1938   -0.0002
   160        0.5540             nan     0.1938   -0.0001
   180        0.5494             nan     0.1938   -0.0001
   200        0.5459             nan     0.1938   -0.0003
   220        0.5417             nan     0.1938   -0.0001
   240        0.5392             nan     0.1938   -0.0002
   260        0.5365             nan     0.1938   -0.0002
   280        0.5344             nan     0.1938   -0.0001
   300        0.5316             nan     0.1938   -0.0002
   320        0.5287             nan     0.1938   -0.0003
   340        0.5266             nan     0.1938   -0.0002
   360        0.5250             nan     0.1938   -0.0001
   380        0.5230             nan     0.1938   -0.0001
   400        0.5212             nan     0.1938   -0.0001
   420        0.5189             nan     0.1938   -0.0002
   440        0.5170             nan     0.1938   -0.0001
   460        0.5155             nan     0.1938   -0.0001
   480        0.5137             nan     0.1938   -0.0002
   500        0.5108             nan     0.1938   -0.0001
   520        0.5092             nan     0.1938   -0.0001
   523        0.5088             nan     0.1938   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0303             nan     0.1946    0.0350
     2        0.9836             nan     0.1946    0.0224
     3        0.9456             nan     0.1946    0.0181
     4        0.9149             nan     0.1946    0.0158
     5        0.8873             nan     0.1946    0.0137
     6        0.8684             nan     0.1946    0.0095
     7        0.8501             nan     0.1946    0.0090
     8        0.8322             nan     0.1946    0.0090
     9        0.8207             nan     0.1946    0.0057
    10        0.8096             nan     0.1946    0.0054
    20        0.7286             nan     0.1946    0.0032
    40        0.6633             nan     0.1946    0.0005
    60        0.6387             nan     0.1946    0.0003
    80        0.6235             nan     0.1946    0.0002
   100        0.6158             nan     0.1946    0.0001
   120        0.6090             nan     0.1946   -0.0001
   140        0.6045             nan     0.1946    0.0001
   160        0.6007             nan     0.1946    0.0001
   180        0.5980             nan     0.1946    0.0000
   200        0.5955             nan     0.1946   -0.0001
   220        0.5931             nan     0.1946    0.0001
   240        0.5909             nan     0.1946    0.0000
   260        0.5892             nan     0.1946    0.0000
   280        0.5880             nan     0.1946   -0.0001
   300        0.5870             nan     0.1946   -0.0001
   320        0.5857             nan     0.1946   -0.0001
   340        0.5847             nan     0.1946   -0.0001
   360        0.5838             nan     0.1946   -0.0001
   380        0.5829             nan     0.1946   -0.0001
   400        0.5826             nan     0.1946   -0.0000
   420        0.5815             nan     0.1946   -0.0000
   440        0.5808             nan     0.1946   -0.0002
   460        0.5800             nan     0.1946   -0.0001
   480        0.5795             nan     0.1946   -0.0001
   500        0.5790             nan     0.1946   -0.0001
   520        0.5786             nan     0.1946   -0.0001
   540        0.5780             nan     0.1946   -0.0000
   560        0.5770             nan     0.1946   -0.0001
   580        0.5764             nan     0.1946   -0.0001
   600        0.5761             nan     0.1946   -0.0001
   603        0.5760             nan     0.1946   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0006             nan     0.1956    0.0493
     2        0.9369             nan     0.1956    0.0302
     3        0.8940             nan     0.1956    0.0214
     4        0.8525             nan     0.1956    0.0214
     5        0.8236             nan     0.1956    0.0146
     6        0.8058             nan     0.1956    0.0083
     7        0.7879             nan     0.1956    0.0089
     8        0.7703             nan     0.1956    0.0089
     9        0.7529             nan     0.1956    0.0085
    10        0.7417             nan     0.1956    0.0056
    20        0.6678             nan     0.1956    0.0017
    40        0.6259             nan     0.1956    0.0003
    60        0.6074             nan     0.1956    0.0002
    80        0.5969             nan     0.1956    0.0000
   100        0.5891             nan     0.1956    0.0001
   120        0.5831             nan     0.1956   -0.0002
   140        0.5774             nan     0.1956   -0.0001
   160        0.5733             nan     0.1956   -0.0000
   180        0.5679             nan     0.1956   -0.0001
   200        0.5647             nan     0.1956    0.0000
   220        0.5623             nan     0.1956   -0.0001
   240        0.5601             nan     0.1956   -0.0000
   260        0.5578             nan     0.1956   -0.0002
   280        0.5563             nan     0.1956   -0.0001
   300        0.5549             nan     0.1956   -0.0001
   310        0.5533             nan     0.1956   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0009             nan     0.1958    0.0490
     2        0.9256             nan     0.1958    0.0372
     3        0.8812             nan     0.1958    0.0217
     4        0.8433             nan     0.1958    0.0191
     5        0.8189             nan     0.1958    0.0123
     6        0.7987             nan     0.1958    0.0101
     7        0.7802             nan     0.1958    0.0090
     8        0.7639             nan     0.1958    0.0079
     9        0.7512             nan     0.1958    0.0060
    10        0.7383             nan     0.1958    0.0062
    20        0.6680             nan     0.1958    0.0016
    40        0.6263             nan     0.1958    0.0001
    60        0.6092             nan     0.1958   -0.0000
    80        0.5993             nan     0.1958    0.0000
   100        0.5922             nan     0.1958   -0.0001
   120        0.5865             nan     0.1958    0.0004
   140        0.5823             nan     0.1958   -0.0001
   160        0.5780             nan     0.1958   -0.0001
   180        0.5736             nan     0.1958   -0.0001
   200        0.5713             nan     0.1958   -0.0001
   220        0.5690             nan     0.1958   -0.0002
   240        0.5664             nan     0.1958   -0.0001
   260        0.5647             nan     0.1958   -0.0000
   280        0.5627             nan     0.1958   -0.0001
   300        0.5616             nan     0.1958   -0.0002
   320        0.5595             nan     0.1958   -0.0001
   340        0.5581             nan     0.1958   -0.0001
   360        0.5561             nan     0.1958   -0.0001
   380        0.5545             nan     0.1958   -0.0001
   400        0.5532             nan     0.1958   -0.0002
   420        0.5514             nan     0.1958   -0.0001
   440        0.5498             nan     0.1958   -0.0000
   460        0.5484             nan     0.1958   -0.0001
   467        0.5481             nan     0.1958   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0017             nan     0.1968    0.0505
     2        0.9378             nan     0.1968    0.0308
     3        0.8861             nan     0.1968    0.0248
     4        0.8562             nan     0.1968    0.0146
     5        0.8277             nan     0.1968    0.0144
     6        0.8059             nan     0.1968    0.0106
     7        0.7844             nan     0.1968    0.0107
     8        0.7663             nan     0.1968    0.0090
     9        0.7535             nan     0.1968    0.0062
    10        0.7424             nan     0.1968    0.0052
    20        0.6668             nan     0.1968    0.0030
    40        0.6236             nan     0.1968    0.0004
    60        0.6062             nan     0.1968    0.0001
    80        0.5953             nan     0.1968   -0.0001
   100        0.5884             nan     0.1968    0.0000
   120        0.5810             nan     0.1968   -0.0001
   140        0.5763             nan     0.1968   -0.0001
   160        0.5734             nan     0.1968   -0.0001
   180        0.5701             nan     0.1968   -0.0001
   200        0.5674             nan     0.1968   -0.0001
   220        0.5644             nan     0.1968   -0.0001
   240        0.5628             nan     0.1968   -0.0002
   260        0.5603             nan     0.1968   -0.0001
   277        0.5583             nan     0.1968   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0017             nan     0.1973    0.0488
     2        0.9390             nan     0.1973    0.0313
     3        0.8869             nan     0.1973    0.0259
     4        0.8513             nan     0.1973    0.0177
     5        0.8248             nan     0.1973    0.0131
     6        0.8052             nan     0.1973    0.0096
     7        0.7834             nan     0.1973    0.0108
     8        0.7694             nan     0.1973    0.0067
     9        0.7541             nan     0.1973    0.0070
    10        0.7443             nan     0.1973    0.0047
    20        0.6687             nan     0.1973    0.0028
    40        0.6256             nan     0.1973    0.0005
    60        0.6098             nan     0.1973   -0.0000
    80        0.5990             nan     0.1973   -0.0001
   100        0.5909             nan     0.1973    0.0000
   120        0.5857             nan     0.1973    0.0000
   140        0.5804             nan     0.1973    0.0000
   160        0.5766             nan     0.1973   -0.0001
   180        0.5735             nan     0.1973   -0.0001
   200        0.5706             nan     0.1973   -0.0000
   220        0.5679             nan     0.1973   -0.0000
   240        0.5652             nan     0.1973    0.0000
   260        0.5633             nan     0.1973   -0.0001
   280        0.5611             nan     0.1973   -0.0001
   300        0.5598             nan     0.1973   -0.0002
   320        0.5587             nan     0.1973   -0.0001
   340        0.5568             nan     0.1973   -0.0001
   360        0.5556             nan     0.1973   -0.0002
   380        0.5533             nan     0.1973   -0.0001
   400        0.5519             nan     0.1973   -0.0001
   420        0.5511             nan     0.1973   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9862             nan     0.1983    0.0566
     2        0.9134             nan     0.1983    0.0378
     3        0.8632             nan     0.1983    0.0252
     4        0.8212             nan     0.1983    0.0213
     5        0.7910             nan     0.1983    0.0147
     6        0.7714             nan     0.1983    0.0094
     7        0.7560             nan     0.1983    0.0077
     8        0.7389             nan     0.1983    0.0086
     9        0.7257             nan     0.1983    0.0061
    10        0.7134             nan     0.1983    0.0059
    20        0.6449             nan     0.1983    0.0017
    40        0.6076             nan     0.1983    0.0001
    60        0.5914             nan     0.1983    0.0001
    80        0.5811             nan     0.1983    0.0001
   100        0.5746             nan     0.1983   -0.0001
   120        0.5675             nan     0.1983   -0.0000
   140        0.5628             nan     0.1983   -0.0002
   160        0.5594             nan     0.1983   -0.0001
   180        0.5558             nan     0.1983   -0.0000
   200        0.5522             nan     0.1983   -0.0001
   220        0.5487             nan     0.1983   -0.0001
   240        0.5466             nan     0.1983   -0.0002
   260        0.5446             nan     0.1983   -0.0001
   280        0.5425             nan     0.1983   -0.0002
   300        0.5406             nan     0.1983    0.0001
   320        0.5378             nan     0.1983   -0.0002
   340        0.5366             nan     0.1983   -0.0002
   360        0.5353             nan     0.1983   -0.0001
   380        0.5342             nan     0.1983   -0.0002
   400        0.5329             nan     0.1983   -0.0002
   420        0.5316             nan     0.1983   -0.0001
   440        0.5297             nan     0.1983   -0.0002
   460        0.5278             nan     0.1983   -0.0001
   480        0.5261             nan     0.1983   -0.0002
   500        0.5246             nan     0.1983   -0.0001
   520        0.5232             nan     0.1983   -0.0001
   540        0.5220             nan     0.1983   -0.0002
   560        0.5199             nan     0.1983    0.0001
   580        0.5184             nan     0.1983   -0.0002
   594        0.5178             nan     0.1983   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9850             nan     0.1999    0.0579
     2        0.9096             nan     0.1999    0.0381
     3        0.8617             nan     0.1999    0.0236
     4        0.8205             nan     0.1999    0.0202
     5        0.7950             nan     0.1999    0.0123
     6        0.7730             nan     0.1999    0.0110
     7        0.7508             nan     0.1999    0.0109
     8        0.7367             nan     0.1999    0.0067
     9        0.7251             nan     0.1999    0.0058
    10        0.7139             nan     0.1999    0.0053
    20        0.6456             nan     0.1999    0.0018
    40        0.6070             nan     0.1999    0.0003
    60        0.5912             nan     0.1999   -0.0001
    80        0.5798             nan     0.1999   -0.0001
   100        0.5726             nan     0.1999   -0.0001
   120        0.5660             nan     0.1999   -0.0001
   140        0.5613             nan     0.1999   -0.0001
   160        0.5566             nan     0.1999   -0.0001
   180        0.5528             nan     0.1999   -0.0001
   196        0.5494             nan     0.1999   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0917             nan     0.0116    0.0044
     2        1.0832             nan     0.0116    0.0043
     3        1.0751             nan     0.0116    0.0041
     4        1.0672             nan     0.0116    0.0039
     5        1.0596             nan     0.0116    0.0038
     6        1.0521             nan     0.0116    0.0037
     7        1.0449             nan     0.0116    0.0036
     8        1.0380             nan     0.0116    0.0035
     9        1.0312             nan     0.0116    0.0034
    10        1.0246             nan     0.0116    0.0033
    20        0.9670             nan     0.0116    0.0026
    40        0.8845             nan     0.0116    0.0017
    60        0.8285             nan     0.0116    0.0012
    80        0.7879             nan     0.0116    0.0009
   100        0.7563             nan     0.0116    0.0008
   120        0.7310             nan     0.0116    0.0007
   140        0.7114             nan     0.0116    0.0004
   160        0.6945             nan     0.0116    0.0003
   180        0.6807             nan     0.0116    0.0003
   200        0.6693             nan     0.0116    0.0003
   220        0.6600             nan     0.0116    0.0002
   240        0.6516             nan     0.0116    0.0002
   260        0.6444             nan     0.0116    0.0002
   280        0.6377             nan     0.0116    0.0001
   300        0.6322             nan     0.0116    0.0001
   320        0.6275             nan     0.0116    0.0001
   340        0.6227             nan     0.0116    0.0001
   360        0.6184             nan     0.0116    0.0001
   380        0.6145             nan     0.0116    0.0001
   400        0.6112             nan     0.0116    0.0000
   420        0.6082             nan     0.0116    0.0000
   440        0.6053             nan     0.0116    0.0000
   460        0.6028             nan     0.0116    0.0001
   480        0.6002             nan     0.0116    0.0001
   500        0.5980             nan     0.0116    0.0000
   520        0.5961             nan     0.0116    0.0000
   540        0.5940             nan     0.0116    0.0000
   560        0.5919             nan     0.0116    0.0000
   580        0.5902             nan     0.0116   -0.0000
   600        0.5885             nan     0.0116    0.0000
   620        0.5869             nan     0.0116    0.0000
   628        0.5863             nan     0.0116    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0921             nan     0.0118    0.0042
     2        1.0841             nan     0.0118    0.0041
     3        1.0762             nan     0.0118    0.0039
     4        1.0686             nan     0.0118    0.0037
     5        1.0612             nan     0.0118    0.0037
     6        1.0540             nan     0.0118    0.0036
     7        1.0469             nan     0.0118    0.0036
     8        1.0401             nan     0.0118    0.0033
     9        1.0335             nan     0.0118    0.0033
    10        1.0272             nan     0.0118    0.0032
    20        0.9710             nan     0.0118    0.0025
    40        0.8912             nan     0.0118    0.0016
    60        0.8372             nan     0.0118    0.0011
    80        0.7970             nan     0.0118    0.0009
   100        0.7650             nan     0.0118    0.0007
   120        0.7397             nan     0.0118    0.0004
   140        0.7198             nan     0.0118    0.0004
   160        0.7038             nan     0.0118    0.0003
   180        0.6905             nan     0.0118    0.0003
   200        0.6796             nan     0.0118    0.0002
   220        0.6700             nan     0.0118    0.0002
   240        0.6613             nan     0.0118    0.0001
   260        0.6543             nan     0.0118    0.0002
   280        0.6481             nan     0.0118    0.0002
   300        0.6424             nan     0.0118    0.0001
   320        0.6374             nan     0.0118    0.0001
   340        0.6330             nan     0.0118    0.0001
   360        0.6293             nan     0.0118    0.0001
   366        0.6282             nan     0.0118    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0909             nan     0.0134    0.0048
     2        1.0818             nan     0.0134    0.0045
     3        1.0729             nan     0.0134    0.0045
     4        1.0642             nan     0.0134    0.0043
     5        1.0558             nan     0.0134    0.0042
     6        1.0478             nan     0.0134    0.0041
     7        1.0402             nan     0.0134    0.0039
     8        1.0326             nan     0.0134    0.0037
     9        1.0253             nan     0.0134    0.0037
    10        1.0184             nan     0.0134    0.0035
    20        0.9574             nan     0.0134    0.0026
    40        0.8736             nan     0.0134    0.0016
    60        0.8189             nan     0.0134    0.0011
    80        0.7780             nan     0.0134    0.0007
   100        0.7479             nan     0.0134    0.0006
   120        0.7239             nan     0.0134    0.0005
   140        0.7044             nan     0.0134    0.0003
   160        0.6890             nan     0.0134    0.0004
   180        0.6764             nan     0.0134    0.0002
   200        0.6666             nan     0.0134    0.0002
   220        0.6572             nan     0.0134    0.0002
   240        0.6492             nan     0.0134    0.0001
   260        0.6429             nan     0.0134    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0885             nan     0.0164    0.0059
     2        1.0773             nan     0.0164    0.0056
     3        1.0667             nan     0.0164    0.0053
     4        1.0566             nan     0.0164    0.0050
     5        1.0467             nan     0.0164    0.0049
     6        1.0373             nan     0.0164    0.0046
     7        1.0282             nan     0.0164    0.0046
     8        1.0193             nan     0.0164    0.0043
     9        1.0108             nan     0.0164    0.0042
    10        1.0025             nan     0.0164    0.0042
    20        0.9346             nan     0.0164    0.0030
    40        0.8467             nan     0.0164    0.0017
    60        0.7901             nan     0.0164    0.0014
    80        0.7504             nan     0.0164    0.0008
   100        0.7218             nan     0.0164    0.0005
   120        0.7000             nan     0.0164    0.0004
   140        0.6824             nan     0.0164    0.0004
   160        0.6690             nan     0.0164    0.0003
   180        0.6577             nan     0.0164    0.0003
   200        0.6483             nan     0.0164    0.0001
   220        0.6409             nan     0.0164    0.0001
   240        0.6341             nan     0.0164    0.0002
   260        0.6282             nan     0.0164    0.0001
   280        0.6231             nan     0.0164    0.0000
   300        0.6181             nan     0.0164    0.0001
   320        0.6143             nan     0.0164    0.0001
   340        0.6108             nan     0.0164    0.0001
   360        0.6076             nan     0.0164    0.0000
   380        0.6043             nan     0.0164    0.0000
   400        0.6015             nan     0.0164    0.0000
   420        0.5989             nan     0.0164    0.0000
   440        0.5969             nan     0.0164    0.0000
   460        0.5946             nan     0.0164    0.0000
   480        0.5926             nan     0.0164   -0.0000
   500        0.5907             nan     0.0164    0.0000
   520        0.5889             nan     0.0164    0.0000
   540        0.5872             nan     0.0164    0.0000
   560        0.5857             nan     0.0164    0.0000
   580        0.5844             nan     0.0164    0.0000
   600        0.5830             nan     0.0164   -0.0000
   620        0.5813             nan     0.0164   -0.0000
   640        0.5801             nan     0.0164    0.0000
   660        0.5788             nan     0.0164   -0.0000
   680        0.5776             nan     0.0164    0.0000
   700        0.5767             nan     0.0164   -0.0000
   720        0.5756             nan     0.0164    0.0000
   740        0.5746             nan     0.0164   -0.0000
   760        0.5736             nan     0.0164   -0.0000
   780        0.5726             nan     0.0164    0.0000
   800        0.5716             nan     0.0164   -0.0000
   820        0.5707             nan     0.0164   -0.0000
   840        0.5699             nan     0.0164   -0.0000
   860        0.5690             nan     0.0164    0.0000
   880        0.5682             nan     0.0164    0.0000
   900        0.5673             nan     0.0164    0.0000
   920        0.5666             nan     0.0164   -0.0000
   940        0.5659             nan     0.0164   -0.0000
   960        0.5652             nan     0.0164    0.0000
   980        0.5646             nan     0.0164   -0.0000
   985        0.5644             nan     0.0164    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0898             nan     0.0166    0.0053
     2        1.0795             nan     0.0166    0.0051
     3        1.0697             nan     0.0166    0.0050
     4        1.0604             nan     0.0166    0.0046
     5        1.0512             nan     0.0166    0.0045
     6        1.0423             nan     0.0166    0.0045
     7        1.0339             nan     0.0166    0.0042
     8        1.0258             nan     0.0166    0.0041
     9        1.0177             nan     0.0166    0.0040
    10        1.0101             nan     0.0166    0.0038
    20        0.9450             nan     0.0166    0.0028
    40        0.8562             nan     0.0166    0.0018
    60        0.8004             nan     0.0166    0.0012
    80        0.7640             nan     0.0166    0.0009
   100        0.7361             nan     0.0166    0.0005
   120        0.7147             nan     0.0166    0.0004
   136        0.7004             nan     0.0166    0.0005

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0873             nan     0.0205    0.0065
     2        1.0746             nan     0.0205    0.0061
     3        1.0627             nan     0.0205    0.0059
     4        1.0514             nan     0.0205    0.0057
     5        1.0406             nan     0.0205    0.0053
     6        1.0301             nan     0.0205    0.0052
     7        1.0200             nan     0.0205    0.0051
     8        1.0104             nan     0.0205    0.0048
     9        1.0013             nan     0.0205    0.0045
    10        0.9924             nan     0.0205    0.0044
    20        0.9203             nan     0.0205    0.0031
    40        0.8264             nan     0.0205    0.0016
    60        0.7733             nan     0.0205    0.0012
    80        0.7384             nan     0.0205    0.0009
   100        0.7114             nan     0.0205    0.0007
   120        0.6907             nan     0.0205    0.0004
   140        0.6752             nan     0.0205    0.0003
   160        0.6626             nan     0.0205    0.0003
   180        0.6522             nan     0.0205    0.0002
   200        0.6443             nan     0.0205    0.0002
   220        0.6375             nan     0.0205    0.0002
   240        0.6318             nan     0.0205    0.0001
   260        0.6268             nan     0.0205    0.0001
   280        0.6228             nan     0.0205    0.0001
   300        0.6193             nan     0.0205    0.0001
   320        0.6160             nan     0.0205    0.0001
   340        0.6130             nan     0.0205    0.0000
   360        0.6104             nan     0.0205    0.0000
   380        0.6077             nan     0.0205    0.0001
   400        0.6052             nan     0.0205    0.0000
   420        0.6031             nan     0.0205    0.0000
   440        0.6009             nan     0.0205    0.0000
   460        0.5990             nan     0.0205    0.0000
   480        0.5973             nan     0.0205    0.0000
   500        0.5957             nan     0.0205    0.0000
   520        0.5941             nan     0.0205    0.0000
   540        0.5927             nan     0.0205    0.0000
   560        0.5915             nan     0.0205   -0.0000
   580        0.5901             nan     0.0205    0.0000
   600        0.5888             nan     0.0205    0.0000
   620        0.5875             nan     0.0205   -0.0000
   640        0.5862             nan     0.0205   -0.0000
   660        0.5851             nan     0.0205   -0.0000
   680        0.5841             nan     0.0205   -0.0000
   700        0.5832             nan     0.0205   -0.0000
   720        0.5822             nan     0.0205    0.0000
   740        0.5813             nan     0.0205    0.0000
   760        0.5803             nan     0.0205    0.0000
   780        0.5796             nan     0.0205   -0.0000
   800        0.5788             nan     0.0205   -0.0000
   820        0.5780             nan     0.0205    0.0000
   840        0.5772             nan     0.0205   -0.0000
   860        0.5764             nan     0.0205   -0.0000
   880        0.5757             nan     0.0205   -0.0000
   900        0.5750             nan     0.0205   -0.0000
   920        0.5744             nan     0.0205   -0.0000
   940        0.5737             nan     0.0205    0.0000
   950        0.5732             nan     0.0205    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0797             nan     0.0280    0.0105
     2        1.0608             nan     0.0280    0.0096
     3        1.0428             nan     0.0280    0.0090
     4        1.0261             nan     0.0280    0.0081
     5        1.0107             nan     0.0280    0.0077
     6        0.9961             nan     0.0280    0.0072
     7        0.9827             nan     0.0280    0.0068
     8        0.9701             nan     0.0280    0.0063
     9        0.9574             nan     0.0280    0.0062
    10        0.9459             nan     0.0280    0.0057
    20        0.8574             nan     0.0280    0.0035
    40        0.7601             nan     0.0280    0.0019
    60        0.7066             nan     0.0280    0.0009
    80        0.6725             nan     0.0280    0.0006
   100        0.6506             nan     0.0280    0.0005
   120        0.6345             nan     0.0280    0.0003
   140        0.6224             nan     0.0280    0.0002
   160        0.6133             nan     0.0280    0.0001
   180        0.6055             nan     0.0280    0.0001
   200        0.5993             nan     0.0280    0.0001
   220        0.5940             nan     0.0280    0.0000
   240        0.5893             nan     0.0280    0.0001
   260        0.5855             nan     0.0280    0.0001
   280        0.5814             nan     0.0280    0.0000
   300        0.5783             nan     0.0280    0.0000
   320        0.5755             nan     0.0280    0.0000
   340        0.5726             nan     0.0280    0.0000
   360        0.5703             nan     0.0280   -0.0000
   380        0.5678             nan     0.0280    0.0001
   400        0.5660             nan     0.0280    0.0000
   420        0.5643             nan     0.0280   -0.0000
   440        0.5626             nan     0.0280   -0.0000
   460        0.5606             nan     0.0280   -0.0000
   480        0.5589             nan     0.0280    0.0000
   500        0.5573             nan     0.0280    0.0000
   520        0.5558             nan     0.0280   -0.0000
   540        0.5543             nan     0.0280   -0.0000
   560        0.5526             nan     0.0280   -0.0000
   580        0.5511             nan     0.0280   -0.0000
   600        0.5496             nan     0.0280   -0.0000
   620        0.5481             nan     0.0280   -0.0000
   640        0.5467             nan     0.0280   -0.0000
   660        0.5455             nan     0.0280   -0.0000
   680        0.5442             nan     0.0280   -0.0000
   700        0.5431             nan     0.0280   -0.0000
   720        0.5417             nan     0.0280    0.0000
   740        0.5406             nan     0.0280   -0.0000
   760        0.5391             nan     0.0280   -0.0000
   780        0.5380             nan     0.0280   -0.0000
   800        0.5367             nan     0.0280   -0.0000
   820        0.5354             nan     0.0280   -0.0000
   840        0.5345             nan     0.0280   -0.0000
   860        0.5335             nan     0.0280   -0.0000
   880        0.5326             nan     0.0280   -0.0000
   900        0.5315             nan     0.0280   -0.0000
   918        0.5306             nan     0.0280   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0884             nan     0.0292    0.0059
     2        1.0771             nan     0.0292    0.0055
     3        1.0669             nan     0.0292    0.0052
     4        1.0570             nan     0.0292    0.0049
     5        1.0477             nan     0.0292    0.0046
     6        1.0389             nan     0.0292    0.0044
     7        1.0305             nan     0.0292    0.0041
     8        1.0225             nan     0.0292    0.0039
     9        1.0151             nan     0.0292    0.0037
    10        1.0078             nan     0.0292    0.0035
    20        0.9518             nan     0.0292    0.0021
    40        0.8741             nan     0.0292    0.0017
    60        0.8256             nan     0.0292    0.0009
    80        0.7913             nan     0.0292    0.0006
   100        0.7656             nan     0.0292    0.0005
   120        0.7448             nan     0.0292    0.0005
   140        0.7278             nan     0.0292    0.0003
   160        0.7142             nan     0.0292    0.0003
   180        0.7015             nan     0.0292    0.0003
   200        0.6922             nan     0.0292    0.0001
   220        0.6828             nan     0.0292    0.0002
   240        0.6749             nan     0.0292    0.0001
   260        0.6680             nan     0.0292    0.0002
   280        0.6622             nan     0.0292    0.0001
   300        0.6572             nan     0.0292    0.0001
   320        0.6524             nan     0.0292    0.0001
   340        0.6487             nan     0.0292    0.0000
   360        0.6453             nan     0.0292    0.0001
   380        0.6425             nan     0.0292    0.0000
   400        0.6396             nan     0.0292    0.0001
   420        0.6371             nan     0.0292    0.0001
   440        0.6343             nan     0.0292    0.0001
   460        0.6322             nan     0.0292    0.0000
   480        0.6301             nan     0.0292    0.0000
   500        0.6284             nan     0.0292    0.0000
   520        0.6265             nan     0.0292    0.0000
   540        0.6249             nan     0.0292    0.0000
   560        0.6233             nan     0.0292    0.0000
   580        0.6221             nan     0.0292    0.0000
   600        0.6208             nan     0.0292    0.0000
   620        0.6193             nan     0.0292    0.0000
   640        0.6181             nan     0.0292    0.0000
   660        0.6169             nan     0.0292    0.0000
   676        0.6158             nan     0.0292   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0789             nan     0.0297    0.0104
     2        1.0595             nan     0.0297    0.0098
     3        1.0419             nan     0.0297    0.0088
     4        1.0252             nan     0.0297    0.0084
     5        1.0096             nan     0.0297    0.0077
     6        0.9950             nan     0.0297    0.0072
     7        0.9811             nan     0.0297    0.0070
     8        0.9684             nan     0.0297    0.0063
     9        0.9558             nan     0.0297    0.0064
    10        0.9440             nan     0.0297    0.0060
    20        0.8584             nan     0.0297    0.0033
    40        0.7622             nan     0.0297    0.0018
    60        0.7098             nan     0.0297    0.0010
    80        0.6772             nan     0.0297    0.0004
   100        0.6557             nan     0.0297    0.0004
   120        0.6407             nan     0.0297    0.0004
   140        0.6290             nan     0.0297    0.0002
   160        0.6197             nan     0.0297    0.0002
   180        0.6125             nan     0.0297    0.0001
   200        0.6072             nan     0.0297    0.0002
   220        0.6014             nan     0.0297    0.0001
   240        0.5970             nan     0.0297    0.0001
   260        0.5929             nan     0.0297    0.0001
   280        0.5888             nan     0.0297    0.0001
   300        0.5858             nan     0.0297    0.0000
   320        0.5827             nan     0.0297    0.0001
   340        0.5798             nan     0.0297    0.0000
   360        0.5773             nan     0.0297    0.0000
   380        0.5753             nan     0.0297   -0.0000
   400        0.5734             nan     0.0297   -0.0000
   401        0.5733             nan     0.0297   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0836             nan     0.0300    0.0083
     2        1.0685             nan     0.0300    0.0076
     3        1.0542             nan     0.0300    0.0071
     4        1.0407             nan     0.0300    0.0066
     5        1.0277             nan     0.0300    0.0065
     6        1.0158             nan     0.0300    0.0060
     7        1.0047             nan     0.0300    0.0056
     8        0.9941             nan     0.0300    0.0051
     9        0.9841             nan     0.0300    0.0050
    10        0.9744             nan     0.0300    0.0048
    20        0.8894             nan     0.0300    0.0030
    40        0.8050             nan     0.0300    0.0013
    60        0.7553             nan     0.0300    0.0012
    80        0.7227             nan     0.0300    0.0006
   100        0.6981             nan     0.0300    0.0005
   120        0.6803             nan     0.0300    0.0003
   140        0.6658             nan     0.0300    0.0003
   160        0.6550             nan     0.0300    0.0002
   180        0.6471             nan     0.0300    0.0002
   200        0.6401             nan     0.0300    0.0001
   220        0.6347             nan     0.0300    0.0001
   240        0.6295             nan     0.0300    0.0000
   260        0.6254             nan     0.0300    0.0001
   280        0.6218             nan     0.0300    0.0001
   300        0.6190             nan     0.0300    0.0000
   320        0.6159             nan     0.0300    0.0000
   340        0.6131             nan     0.0300    0.0000
   360        0.6106             nan     0.0300    0.0000
   380        0.6084             nan     0.0300    0.0000
   400        0.6063             nan     0.0300    0.0001
   420        0.6047             nan     0.0300    0.0000
   440        0.6027             nan     0.0300   -0.0000
   460        0.6012             nan     0.0300   -0.0000
   480        0.5996             nan     0.0300    0.0000
   500        0.5983             nan     0.0300    0.0001
   520        0.5969             nan     0.0300    0.0000
   540        0.5954             nan     0.0300    0.0000
   560        0.5942             nan     0.0300   -0.0000
   580        0.5928             nan     0.0300    0.0000
   600        0.5918             nan     0.0300   -0.0000
   620        0.5906             nan     0.0300    0.0000
   640        0.5896             nan     0.0300   -0.0000
   660        0.5885             nan     0.0300   -0.0000
   680        0.5876             nan     0.0300   -0.0000
   700        0.5867             nan     0.0300    0.0000
   720        0.5857             nan     0.0300   -0.0000
   740        0.5849             nan     0.0300    0.0000
   760        0.5841             nan     0.0300   -0.0000
   780        0.5834             nan     0.0300   -0.0000
   800        0.5828             nan     0.0300   -0.0000
   820        0.5820             nan     0.0300   -0.0000
   840        0.5813             nan     0.0300    0.0000
   860        0.5806             nan     0.0300    0.0000
   880        0.5800             nan     0.0300    0.0000
   900        0.5793             nan     0.0300   -0.0000
   920        0.5785             nan     0.0300    0.0000
   940        0.5779             nan     0.0300   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0795             nan     0.0324    0.0103
     2        1.0608             nan     0.0324    0.0094
     3        1.0431             nan     0.0324    0.0086
     4        1.0264             nan     0.0324    0.0082
     5        1.0105             nan     0.0324    0.0078
     6        0.9964             nan     0.0324    0.0069
     7        0.9832             nan     0.0324    0.0068
     8        0.9705             nan     0.0324    0.0064
     9        0.9588             nan     0.0324    0.0059
    10        0.9479             nan     0.0324    0.0054
    20        0.8586             nan     0.0324    0.0037
    40        0.7677             nan     0.0324    0.0019
    60        0.7178             nan     0.0324    0.0010
    80        0.6856             nan     0.0324    0.0006
   100        0.6629             nan     0.0324    0.0005
   120        0.6477             nan     0.0324    0.0003
   140        0.6368             nan     0.0324    0.0002
   160        0.6285             nan     0.0324    0.0002
   180        0.6213             nan     0.0324    0.0001
   195        0.6167             nan     0.0324    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0798             nan     0.0327    0.0105
     2        1.0612             nan     0.0327    0.0094
     3        1.0427             nan     0.0327    0.0093
     4        1.0262             nan     0.0327    0.0082
     5        1.0104             nan     0.0327    0.0079
     6        0.9958             nan     0.0327    0.0073
     7        0.9823             nan     0.0327    0.0067
     8        0.9689             nan     0.0327    0.0064
     9        0.9565             nan     0.0327    0.0061
    10        0.9454             nan     0.0327    0.0056
    20        0.8560             nan     0.0327    0.0037
    40        0.7646             nan     0.0327    0.0013
    60        0.7164             nan     0.0327    0.0010
    80        0.6841             nan     0.0327    0.0007
   100        0.6629             nan     0.0327    0.0004
   120        0.6485             nan     0.0327    0.0003
   140        0.6371             nan     0.0327    0.0003
   160        0.6288             nan     0.0327    0.0003
   180        0.6218             nan     0.0327    0.0001
   200        0.6166             nan     0.0327    0.0001
   220        0.6119             nan     0.0327    0.0001
   240        0.6081             nan     0.0327    0.0000
   260        0.6047             nan     0.0327    0.0001
   280        0.6014             nan     0.0327    0.0000
   300        0.5988             nan     0.0327    0.0000
   320        0.5958             nan     0.0327    0.0000
   340        0.5936             nan     0.0327   -0.0000
   360        0.5917             nan     0.0327    0.0000
   380        0.5897             nan     0.0327    0.0000
   400        0.5876             nan     0.0327   -0.0000
   420        0.5858             nan     0.0327   -0.0000
   439        0.5842             nan     0.0327   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0860             nan     0.0359    0.0072
     2        1.0726             nan     0.0359    0.0067
     3        1.0605             nan     0.0359    0.0062
     4        1.0489             nan     0.0359    0.0058
     5        1.0383             nan     0.0359    0.0054
     6        1.0282             nan     0.0359    0.0050
     7        1.0194             nan     0.0359    0.0044
     8        1.0100             nan     0.0359    0.0046
     9        1.0023             nan     0.0359    0.0039
    10        0.9937             nan     0.0359    0.0043
    20        0.9299             nan     0.0359    0.0029
    40        0.8496             nan     0.0359    0.0015
    60        0.8010             nan     0.0359    0.0007
    80        0.7676             nan     0.0359    0.0006
   100        0.7418             nan     0.0359    0.0005
   120        0.7226             nan     0.0359    0.0004
   140        0.7072             nan     0.0359    0.0002
   160        0.6926             nan     0.0359    0.0002
   180        0.6820             nan     0.0359    0.0002
   200        0.6731             nan     0.0359    0.0001
   220        0.6650             nan     0.0359    0.0002
   240        0.6577             nan     0.0359    0.0001
   260        0.6527             nan     0.0359    0.0001
   280        0.6483             nan     0.0359    0.0000
   300        0.6437             nan     0.0359    0.0001
   320        0.6403             nan     0.0359    0.0001
   340        0.6372             nan     0.0359    0.0001
   360        0.6338             nan     0.0359    0.0000
   380        0.6315             nan     0.0359    0.0001
   400        0.6291             nan     0.0359    0.0000
   420        0.6269             nan     0.0359    0.0000
   440        0.6244             nan     0.0359   -0.0000
   460        0.6228             nan     0.0359    0.0001
   480        0.6212             nan     0.0359    0.0000
   500        0.6192             nan     0.0359    0.0000
   520        0.6177             nan     0.0359    0.0000
   540        0.6163             nan     0.0359    0.0000
   560        0.6150             nan     0.0359   -0.0000
   580        0.6137             nan     0.0359    0.0000
   600        0.6122             nan     0.0359    0.0001
   620        0.6109             nan     0.0359    0.0001
   640        0.6098             nan     0.0359   -0.0000
   660        0.6087             nan     0.0359    0.0000
   680        0.6078             nan     0.0359    0.0000
   700        0.6069             nan     0.0359    0.0000
   720        0.6060             nan     0.0359    0.0000
   740        0.6052             nan     0.0359    0.0000
   760        0.6041             nan     0.0359   -0.0000
   780        0.6032             nan     0.0359    0.0000
   800        0.6023             nan     0.0359    0.0000
   820        0.6016             nan     0.0359   -0.0000
   840        0.6008             nan     0.0359   -0.0000
   855        0.6002             nan     0.0359   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0737             nan     0.0373    0.0130
     2        1.0500             nan     0.0373    0.0119
     3        1.0288             nan     0.0373    0.0107
     4        1.0094             nan     0.0373    0.0098
     5        0.9914             nan     0.0373    0.0090
     6        0.9748             nan     0.0373    0.0086
     7        0.9594             nan     0.0373    0.0076
     8        0.9448             nan     0.0373    0.0071
     9        0.9314             nan     0.0373    0.0068
    10        0.9186             nan     0.0373    0.0065
    20        0.8282             nan     0.0373    0.0033
    40        0.7322             nan     0.0373    0.0018
    60        0.6840             nan     0.0373    0.0008
    80        0.6565             nan     0.0373    0.0005
   100        0.6380             nan     0.0373    0.0002
   120        0.6248             nan     0.0373    0.0003
   140        0.6153             nan     0.0373    0.0001
   160        0.6084             nan     0.0373    0.0002
   180        0.6031             nan     0.0373    0.0001
   200        0.5986             nan     0.0373    0.0000
   220        0.5943             nan     0.0373    0.0001
   240        0.5909             nan     0.0373    0.0000
   260        0.5882             nan     0.0373    0.0000
   280        0.5855             nan     0.0373   -0.0000
   300        0.5832             nan     0.0373   -0.0000
   320        0.5813             nan     0.0373   -0.0000
   340        0.5792             nan     0.0373    0.0000
   360        0.5774             nan     0.0373    0.0000
   380        0.5756             nan     0.0373   -0.0000
   400        0.5741             nan     0.0373   -0.0000
   420        0.5727             nan     0.0373   -0.0000
   440        0.5713             nan     0.0373   -0.0000
   460        0.5699             nan     0.0373   -0.0000
   480        0.5685             nan     0.0373   -0.0000
   500        0.5674             nan     0.0373   -0.0000
   520        0.5659             nan     0.0373   -0.0000
   527        0.5654             nan     0.0373    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0735             nan     0.0379    0.0132
     2        1.0496             nan     0.0379    0.0120
     3        1.0277             nan     0.0379    0.0109
     4        1.0076             nan     0.0379    0.0096
     5        0.9893             nan     0.0379    0.0092
     6        0.9717             nan     0.0379    0.0088
     7        0.9563             nan     0.0379    0.0077
     8        0.9419             nan     0.0379    0.0071
     9        0.9284             nan     0.0379    0.0066
    10        0.9157             nan     0.0379    0.0063
    20        0.8253             nan     0.0379    0.0033
    40        0.7308             nan     0.0379    0.0018
    60        0.6821             nan     0.0379    0.0006
    80        0.6533             nan     0.0379    0.0006
   100        0.6361             nan     0.0379    0.0004
   120        0.6234             nan     0.0379    0.0002
   140        0.6143             nan     0.0379    0.0001
   160        0.6075             nan     0.0379    0.0001
   180        0.6019             nan     0.0379    0.0001
   200        0.5969             nan     0.0379    0.0001
   220        0.5927             nan     0.0379   -0.0000
   240        0.5885             nan     0.0379    0.0000
   260        0.5856             nan     0.0379    0.0000
   280        0.5830             nan     0.0379    0.0000
   300        0.5804             nan     0.0379   -0.0000
   320        0.5783             nan     0.0379   -0.0000
   340        0.5760             nan     0.0379    0.0001
   342        0.5757             nan     0.0379    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0751             nan     0.0398    0.0126
     2        1.0522             nan     0.0398    0.0114
     3        1.0310             nan     0.0398    0.0102
     4        1.0113             nan     0.0398    0.0096
     5        0.9936             nan     0.0398    0.0088
     6        0.9766             nan     0.0398    0.0084
     7        0.9609             nan     0.0398    0.0077
     8        0.9466             nan     0.0398    0.0070
     9        0.9337             nan     0.0398    0.0066
    10        0.9218             nan     0.0398    0.0061
    20        0.8296             nan     0.0398    0.0037
    40        0.7399             nan     0.0398    0.0017
    60        0.6939             nan     0.0398    0.0007
    80        0.6650             nan     0.0398    0.0005
   100        0.6472             nan     0.0398    0.0003
   120        0.6347             nan     0.0398    0.0001
   140        0.6243             nan     0.0398    0.0002
   160        0.6161             nan     0.0398    0.0001
   180        0.6102             nan     0.0398    0.0001
   200        0.6043             nan     0.0398    0.0001
   220        0.6002             nan     0.0398    0.0000
   240        0.5967             nan     0.0398    0.0000
   260        0.5932             nan     0.0398    0.0000
   280        0.5906             nan     0.0398    0.0000
   300        0.5882             nan     0.0398    0.0000
   320        0.5857             nan     0.0398   -0.0000
   340        0.5833             nan     0.0398    0.0001
   360        0.5816             nan     0.0398    0.0001
   380        0.5792             nan     0.0398   -0.0000
   400        0.5772             nan     0.0398    0.0000
   420        0.5753             nan     0.0398   -0.0000
   440        0.5737             nan     0.0398   -0.0000
   460        0.5722             nan     0.0398    0.0000
   480        0.5707             nan     0.0398    0.0000
   500        0.5697             nan     0.0398   -0.0000
   520        0.5686             nan     0.0398   -0.0000
   540        0.5669             nan     0.0398   -0.0000
   560        0.5655             nan     0.0398   -0.0000
   580        0.5643             nan     0.0398   -0.0000
   600        0.5629             nan     0.0398   -0.0000
   620        0.5619             nan     0.0398   -0.0000
   640        0.5611             nan     0.0398   -0.0000
   660        0.5599             nan     0.0398   -0.0000
   680        0.5588             nan     0.0398   -0.0000
   700        0.5580             nan     0.0398    0.0001
   720        0.5573             nan     0.0398   -0.0000
   740        0.5565             nan     0.0398   -0.0000
   760        0.5555             nan     0.0398   -0.0000
   780        0.5547             nan     0.0398   -0.0000
   800        0.5540             nan     0.0398   -0.0000
   820        0.5533             nan     0.0398    0.0001
   840        0.5525             nan     0.0398   -0.0000
   860        0.5517             nan     0.0398   -0.0000
   880        0.5511             nan     0.0398   -0.0000
   900        0.5503             nan     0.0398   -0.0000
   919        0.5496             nan     0.0398   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0837             nan     0.0410    0.0083
     2        1.0686             nan     0.0410    0.0075
     3        1.0546             nan     0.0410    0.0069
     4        1.0419             nan     0.0410    0.0064
     5        1.0301             nan     0.0410    0.0059
     6        1.0192             nan     0.0410    0.0054
     7        1.0092             nan     0.0410    0.0051
     8        0.9993             nan     0.0410    0.0049
     9        0.9908             nan     0.0410    0.0043
    10        0.9817             nan     0.0410    0.0045
    20        0.9140             nan     0.0410    0.0030
    40        0.8321             nan     0.0410    0.0018
    60        0.7857             nan     0.0410    0.0009
    80        0.7519             nan     0.0410    0.0008
   100        0.7271             nan     0.0410    0.0005
   120        0.7079             nan     0.0410    0.0003
   140        0.6929             nan     0.0410    0.0004
   160        0.6803             nan     0.0410    0.0001
   180        0.6703             nan     0.0410    0.0003
   200        0.6619             nan     0.0410    0.0001
   220        0.6547             nan     0.0410    0.0001
   240        0.6489             nan     0.0410    0.0001
   260        0.6447             nan     0.0410    0.0001
   280        0.6401             nan     0.0410    0.0001
   284        0.6395             nan     0.0410    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0672             nan     0.0452    0.0167
     2        1.0377             nan     0.0452    0.0144
     3        1.0115             nan     0.0452    0.0131
     4        0.9881             nan     0.0452    0.0116
     5        0.9670             nan     0.0452    0.0103
     6        0.9480             nan     0.0452    0.0094
     7        0.9304             nan     0.0452    0.0088
     8        0.9139             nan     0.0452    0.0079
     9        0.8986             nan     0.0452    0.0076
    10        0.8844             nan     0.0452    0.0071
    20        0.7893             nan     0.0452    0.0034
    40        0.6960             nan     0.0452    0.0015
    60        0.6531             nan     0.0452    0.0008
    80        0.6289             nan     0.0452    0.0001
   100        0.6122             nan     0.0452    0.0002
   120        0.6019             nan     0.0452    0.0002
   140        0.5921             nan     0.0452    0.0000
   160        0.5852             nan     0.0452    0.0001
   180        0.5798             nan     0.0452   -0.0000
   200        0.5756             nan     0.0452    0.0000
   220        0.5714             nan     0.0452   -0.0001
   240        0.5680             nan     0.0452    0.0000
   260        0.5650             nan     0.0452   -0.0000
   280        0.5614             nan     0.0452   -0.0000
   300        0.5586             nan     0.0452   -0.0000
   302        0.5582             nan     0.0452   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0819             nan     0.0466    0.0093
     2        1.0649             nan     0.0466    0.0085
     3        1.0495             nan     0.0466    0.0077
     4        1.0351             nan     0.0466    0.0070
     5        1.0221             nan     0.0466    0.0063
     6        1.0104             nan     0.0466    0.0058
     7        0.9992             nan     0.0466    0.0055
     8        0.9896             nan     0.0466    0.0048
     9        0.9795             nan     0.0466    0.0052
    10        0.9715             nan     0.0466    0.0040
    20        0.9013             nan     0.0466    0.0033
    40        0.8165             nan     0.0466    0.0016
    60        0.7697             nan     0.0466    0.0009
    80        0.7375             nan     0.0466    0.0007
   100        0.7134             nan     0.0466    0.0005
   120        0.6951             nan     0.0466    0.0002
   140        0.6812             nan     0.0466    0.0003
   160        0.6693             nan     0.0466    0.0004
   180        0.6599             nan     0.0466    0.0001
   200        0.6522             nan     0.0466    0.0002
   220        0.6464             nan     0.0466    0.0001
   240        0.6415             nan     0.0466    0.0001
   260        0.6371             nan     0.0466    0.0000
   280        0.6334             nan     0.0466    0.0000
   300        0.6301             nan     0.0466    0.0000
   320        0.6273             nan     0.0466    0.0000
   340        0.6246             nan     0.0466    0.0001
   360        0.6227             nan     0.0466    0.0001
   380        0.6205             nan     0.0466   -0.0000
   386        0.6196             nan     0.0466    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0685             nan     0.0467    0.0159
     2        1.0393             nan     0.0467    0.0146
     3        1.0139             nan     0.0467    0.0127
     4        0.9903             nan     0.0467    0.0116
     5        0.9696             nan     0.0467    0.0106
     6        0.9507             nan     0.0467    0.0095
     7        0.9335             nan     0.0467    0.0086
     8        0.9176             nan     0.0467    0.0078
     9        0.9024             nan     0.0467    0.0076
    10        0.8891             nan     0.0467    0.0066
    20        0.7957             nan     0.0467    0.0037
    40        0.7054             nan     0.0467    0.0015
    60        0.6601             nan     0.0467    0.0008
    80        0.6365             nan     0.0467    0.0003
   100        0.6210             nan     0.0467    0.0004
   120        0.6102             nan     0.0467    0.0002
   140        0.6010             nan     0.0467    0.0002
   160        0.5938             nan     0.0467    0.0000
   180        0.5892             nan     0.0467    0.0000
   200        0.5842             nan     0.0467    0.0002
   220        0.5810             nan     0.0467   -0.0000
   240        0.5777             nan     0.0467   -0.0001
   260        0.5746             nan     0.0467    0.0001
   280        0.5715             nan     0.0467    0.0000
   300        0.5690             nan     0.0467    0.0000
   320        0.5667             nan     0.0467   -0.0000
   340        0.5645             nan     0.0467   -0.0000
   360        0.5626             nan     0.0467   -0.0000
   380        0.5611             nan     0.0467   -0.0000
   400        0.5592             nan     0.0467   -0.0001
   420        0.5575             nan     0.0467   -0.0000
   440        0.5559             nan     0.0467   -0.0000
   460        0.5542             nan     0.0467    0.0001
   480        0.5529             nan     0.0467   -0.0000
   500        0.5509             nan     0.0467    0.0000
   520        0.5495             nan     0.0467   -0.0000
   540        0.5481             nan     0.0467   -0.0000
   560        0.5465             nan     0.0467    0.0000
   580        0.5447             nan     0.0467    0.0001
   600        0.5435             nan     0.0467   -0.0000
   620        0.5424             nan     0.0467   -0.0000
   640        0.5415             nan     0.0467   -0.0001
   660        0.5405             nan     0.0467   -0.0000
   680        0.5394             nan     0.0467   -0.0000
   700        0.5385             nan     0.0467   -0.0000
   720        0.5374             nan     0.0467   -0.0000
   740        0.5361             nan     0.0467   -0.0000
   753        0.5356             nan     0.0467   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0689             nan     0.0497    0.0159
     2        1.0416             nan     0.0497    0.0136
     3        1.0166             nan     0.0497    0.0123
     4        0.9932             nan     0.0497    0.0115
     5        0.9725             nan     0.0497    0.0102
     6        0.9538             nan     0.0497    0.0092
     7        0.9371             nan     0.0497    0.0085
     8        0.9217             nan     0.0497    0.0075
     9        0.9069             nan     0.0497    0.0073
    10        0.8936             nan     0.0497    0.0064
    20        0.7984             nan     0.0497    0.0027
    40        0.7138             nan     0.0497    0.0014
    60        0.6705             nan     0.0497    0.0009
    80        0.6458             nan     0.0497    0.0003
   100        0.6310             nan     0.0497    0.0001
   120        0.6204             nan     0.0497    0.0002
   140        0.6119             nan     0.0497    0.0002
   160        0.6055             nan     0.0497    0.0001
   180        0.5999             nan     0.0497    0.0000
   200        0.5955             nan     0.0497    0.0000
   220        0.5920             nan     0.0497    0.0000
   240        0.5886             nan     0.0497   -0.0000
   260        0.5854             nan     0.0497   -0.0000
   280        0.5824             nan     0.0497    0.0000
   300        0.5804             nan     0.0497   -0.0000
   320        0.5782             nan     0.0497    0.0000
   340        0.5760             nan     0.0497   -0.0000
   360        0.5739             nan     0.0497    0.0001
   380        0.5719             nan     0.0497    0.0001
   400        0.5703             nan     0.0497   -0.0000
   420        0.5686             nan     0.0497    0.0000
   440        0.5673             nan     0.0497    0.0000
   460        0.5661             nan     0.0497   -0.0000
   480        0.5647             nan     0.0497   -0.0000
   500        0.5633             nan     0.0497   -0.0000
   520        0.5623             nan     0.0497   -0.0000
   540        0.5610             nan     0.0497   -0.0000
   553        0.5603             nan     0.0497   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0728             nan     0.0500    0.0138
     2        1.0487             nan     0.0500    0.0121
     3        1.0271             nan     0.0500    0.0106
     4        1.0071             nan     0.0500    0.0102
     5        0.9898             nan     0.0500    0.0089
     6        0.9734             nan     0.0500    0.0080
     7        0.9589             nan     0.0500    0.0073
     8        0.9417             nan     0.0500    0.0086
     9        0.9260             nan     0.0500    0.0077
    10        0.9124             nan     0.0500    0.0069
    20        0.8250             nan     0.0500    0.0028
    40        0.7425             nan     0.0500    0.0017
    60        0.6985             nan     0.0500    0.0006
    80        0.6696             nan     0.0500    0.0005
   100        0.6517             nan     0.0500    0.0004
   120        0.6398             nan     0.0500    0.0002
   140        0.6315             nan     0.0500    0.0001
   160        0.6247             nan     0.0500    0.0001
   180        0.6192             nan     0.0500    0.0001
   200        0.6142             nan     0.0500    0.0001
   220        0.6104             nan     0.0500    0.0001
   240        0.6064             nan     0.0500    0.0001
   260        0.6034             nan     0.0500    0.0001
   280        0.6006             nan     0.0500    0.0000
   300        0.5980             nan     0.0500    0.0000
   320        0.5959             nan     0.0500    0.0000
   340        0.5941             nan     0.0500   -0.0000
   360        0.5922             nan     0.0500   -0.0000
   380        0.5904             nan     0.0500    0.0000
   400        0.5885             nan     0.0500   -0.0000
   420        0.5870             nan     0.0500   -0.0000
   440        0.5858             nan     0.0500   -0.0000
   460        0.5845             nan     0.0500   -0.0000
   480        0.5837             nan     0.0500   -0.0000
   500        0.5824             nan     0.0500    0.0000
   520        0.5809             nan     0.0500    0.0000
   540        0.5799             nan     0.0500   -0.0000
   560        0.5784             nan     0.0500   -0.0000
   580        0.5774             nan     0.0500    0.0000
   600        0.5766             nan     0.0500   -0.0000
   620        0.5758             nan     0.0500   -0.0000
   640        0.5750             nan     0.0500   -0.0000
   660        0.5740             nan     0.0500    0.0000
   680        0.5732             nan     0.0500   -0.0000
   700        0.5723             nan     0.0500   -0.0000
   720        0.5716             nan     0.0500   -0.0000
   740        0.5709             nan     0.0500   -0.0000
   760        0.5702             nan     0.0500   -0.0000
   780        0.5694             nan     0.0500   -0.0000
   800        0.5686             nan     0.0500   -0.0000
   820        0.5680             nan     0.0500   -0.0000
   840        0.5671             nan     0.0500   -0.0000
   860        0.5665             nan     0.0500   -0.0000
   880        0.5658             nan     0.0500   -0.0000
   900        0.5651             nan     0.0500   -0.0000
   907        0.5649             nan     0.0500   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0715             nan     0.0528    0.0143
     2        1.0465             nan     0.0528    0.0124
     3        1.0237             nan     0.0528    0.0115
     4        1.0037             nan     0.0528    0.0096
     5        0.9845             nan     0.0528    0.0095
     6        0.9676             nan     0.0528    0.0083
     7        0.9523             nan     0.0528    0.0074
     8        0.9344             nan     0.0528    0.0086
     9        0.9189             nan     0.0528    0.0076
    10        0.9045             nan     0.0528    0.0070
    20        0.8177             nan     0.0528    0.0026
    40        0.7343             nan     0.0528    0.0013
    60        0.6909             nan     0.0528    0.0010
    80        0.6645             nan     0.0528    0.0005
   100        0.6478             nan     0.0528    0.0003
   120        0.6364             nan     0.0528    0.0004
   140        0.6281             nan     0.0528    0.0001
   160        0.6216             nan     0.0528    0.0000
   180        0.6165             nan     0.0528    0.0000
   200        0.6122             nan     0.0528   -0.0000
   220        0.6075             nan     0.0528    0.0001
   225        0.6065             nan     0.0528    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0708             nan     0.0536    0.0148
     2        1.0455             nan     0.0536    0.0127
     3        1.0232             nan     0.0536    0.0112
     4        1.0025             nan     0.0536    0.0104
     5        0.9837             nan     0.0536    0.0094
     6        0.9626             nan     0.0536    0.0101
     7        0.9478             nan     0.0536    0.0075
     8        0.9308             nan     0.0536    0.0083
     9        0.9157             nan     0.0536    0.0077
    10        0.9018             nan     0.0536    0.0068
    20        0.8163             nan     0.0536    0.0030
    40        0.7342             nan     0.0536    0.0013
    60        0.6890             nan     0.0536    0.0008
    80        0.6627             nan     0.0536    0.0002
   100        0.6463             nan     0.0536    0.0002
   120        0.6351             nan     0.0536    0.0003
   140        0.6262             nan     0.0536    0.0001
   160        0.6193             nan     0.0536    0.0000
   180        0.6143             nan     0.0536    0.0002
   200        0.6105             nan     0.0536    0.0000
   220        0.6067             nan     0.0536    0.0000
   240        0.6033             nan     0.0536    0.0000
   260        0.6005             nan     0.0536    0.0000
   280        0.5977             nan     0.0536    0.0000
   283        0.5974             nan     0.0536    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0784             nan     0.0552    0.0110
     2        1.0587             nan     0.0552    0.0098
     3        1.0415             nan     0.0552    0.0087
     4        1.0259             nan     0.0552    0.0078
     5        1.0119             nan     0.0552    0.0070
     6        0.9987             nan     0.0552    0.0064
     7        0.9862             nan     0.0552    0.0062
     8        0.9756             nan     0.0552    0.0056
     9        0.9665             nan     0.0552    0.0046
    10        0.9586             nan     0.0552    0.0035
    20        0.8792             nan     0.0552    0.0034
    40        0.7973             nan     0.0552    0.0014
    60        0.7505             nan     0.0552    0.0007
    80        0.7189             nan     0.0552    0.0006
   100        0.6961             nan     0.0552    0.0003
   120        0.6793             nan     0.0552    0.0003
   140        0.6668             nan     0.0552    0.0001
   160        0.6559             nan     0.0552    0.0003
   180        0.6479             nan     0.0552    0.0002
   200        0.6421             nan     0.0552    0.0001
   220        0.6370             nan     0.0552    0.0001
   240        0.6330             nan     0.0552    0.0000
   260        0.6292             nan     0.0552    0.0001
   280        0.6264             nan     0.0552    0.0000
   300        0.6238             nan     0.0552    0.0000
   320        0.6210             nan     0.0552    0.0000
   340        0.6185             nan     0.0552    0.0000
   360        0.6156             nan     0.0552    0.0001
   380        0.6130             nan     0.0552    0.0000
   400        0.6110             nan     0.0552    0.0000
   420        0.6092             nan     0.0552    0.0000
   440        0.6073             nan     0.0552    0.0000
   460        0.6058             nan     0.0552    0.0000
   480        0.6046             nan     0.0552    0.0000
   500        0.6033             nan     0.0552    0.0000
   520        0.6019             nan     0.0552    0.0000
   540        0.6007             nan     0.0552   -0.0000
   560        0.5995             nan     0.0552    0.0000
   580        0.5985             nan     0.0552    0.0000
   600        0.5977             nan     0.0552    0.0000
   620        0.5968             nan     0.0552   -0.0000
   640        0.5957             nan     0.0552    0.0000
   660        0.5951             nan     0.0552   -0.0000
   680        0.5944             nan     0.0552   -0.0000
   700        0.5938             nan     0.0552   -0.0000
   720        0.5931             nan     0.0552   -0.0000
   740        0.5925             nan     0.0552   -0.0000
   760        0.5919             nan     0.0552   -0.0001
   780        0.5913             nan     0.0552   -0.0000
   800        0.5907             nan     0.0552   -0.0000
   820        0.5902             nan     0.0552   -0.0000
   840        0.5897             nan     0.0552   -0.0000
   860        0.5891             nan     0.0552    0.0000
   880        0.5886             nan     0.0552   -0.0000
   900        0.5881             nan     0.0552   -0.0000
   920        0.5875             nan     0.0552   -0.0000
   940        0.5872             nan     0.0552   -0.0000
   956        0.5868             nan     0.0552   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0715             nan     0.0555    0.0143
     2        1.0447             nan     0.0555    0.0138
     3        1.0206             nan     0.0555    0.0120
     4        0.9990             nan     0.0555    0.0106
     5        0.9803             nan     0.0555    0.0094
     6        0.9628             nan     0.0555    0.0084
     7        0.9441             nan     0.0555    0.0093
     8        0.9271             nan     0.0555    0.0083
     9        0.9120             nan     0.0555    0.0076
    10        0.8984             nan     0.0555    0.0068
    20        0.8123             nan     0.0555    0.0034
    40        0.7309             nan     0.0555    0.0014
    60        0.6863             nan     0.0555    0.0009
    80        0.6606             nan     0.0555    0.0005
   100        0.6449             nan     0.0555    0.0002
   120        0.6329             nan     0.0555    0.0001
   140        0.6250             nan     0.0555    0.0002
   160        0.6182             nan     0.0555    0.0001
   180        0.6137             nan     0.0555    0.0001
   200        0.6092             nan     0.0555    0.0001
   220        0.6055             nan     0.0555    0.0001
   240        0.6022             nan     0.0555    0.0001
   260        0.5991             nan     0.0555    0.0000
   280        0.5961             nan     0.0555    0.0001
   300        0.5933             nan     0.0555    0.0000
   320        0.5914             nan     0.0555    0.0000
   340        0.5896             nan     0.0555    0.0000
   360        0.5878             nan     0.0555   -0.0000
   380        0.5862             nan     0.0555    0.0000
   400        0.5847             nan     0.0555   -0.0000
   420        0.5829             nan     0.0555   -0.0000
   440        0.5815             nan     0.0555   -0.0000
   460        0.5803             nan     0.0555   -0.0000
   480        0.5790             nan     0.0555   -0.0000
   493        0.5784             nan     0.0555   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0571             nan     0.0614    0.0215
     2        1.0220             nan     0.0614    0.0179
     3        0.9911             nan     0.0614    0.0154
     4        0.9624             nan     0.0614    0.0139
     5        0.9390             nan     0.0614    0.0117
     6        0.9185             nan     0.0614    0.0103
     7        0.8993             nan     0.0614    0.0096
     8        0.8816             nan     0.0614    0.0090
     9        0.8660             nan     0.0614    0.0078
    10        0.8520             nan     0.0614    0.0067
    20        0.7544             nan     0.0614    0.0036
    40        0.6725             nan     0.0614    0.0010
    60        0.6385             nan     0.0614    0.0005
    80        0.6201             nan     0.0614    0.0003
   100        0.6080             nan     0.0614    0.0003
   120        0.5995             nan     0.0614    0.0001
   140        0.5936             nan     0.0614   -0.0000
   160        0.5895             nan     0.0614   -0.0000
   180        0.5854             nan     0.0614   -0.0000
   200        0.5815             nan     0.0614    0.0000
   220        0.5786             nan     0.0614   -0.0000
   240        0.5759             nan     0.0614    0.0000
   260        0.5734             nan     0.0614   -0.0000
   280        0.5715             nan     0.0614   -0.0000
   300        0.5695             nan     0.0614   -0.0001
   320        0.5675             nan     0.0614   -0.0000
   340        0.5661             nan     0.0614   -0.0000
   360        0.5639             nan     0.0614    0.0000
   380        0.5619             nan     0.0614   -0.0001
   400        0.5600             nan     0.0614   -0.0000
   420        0.5585             nan     0.0614   -0.0000
   436        0.5572             nan     0.0614   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0544             nan     0.0636    0.0230
     2        1.0158             nan     0.0636    0.0193
     3        0.9830             nan     0.0636    0.0160
     4        0.9551             nan     0.0636    0.0143
     5        0.9293             nan     0.0636    0.0129
     6        0.9075             nan     0.0636    0.0110
     7        0.8873             nan     0.0636    0.0098
     8        0.8694             nan     0.0636    0.0089
     9        0.8535             nan     0.0636    0.0078
    10        0.8397             nan     0.0636    0.0070
    20        0.7407             nan     0.0636    0.0035
    40        0.6583             nan     0.0636    0.0011
    60        0.6233             nan     0.0636    0.0006
    80        0.6057             nan     0.0636    0.0003
   100        0.5929             nan     0.0636    0.0000
   120        0.5834             nan     0.0636    0.0001
   140        0.5768             nan     0.0636    0.0000
   160        0.5712             nan     0.0636   -0.0000
   180        0.5668             nan     0.0636   -0.0001
   200        0.5617             nan     0.0636    0.0002
   220        0.5580             nan     0.0636   -0.0000
   240        0.5547             nan     0.0636   -0.0000
   260        0.5521             nan     0.0636   -0.0001
   280        0.5492             nan     0.0636   -0.0000
   300        0.5464             nan     0.0636   -0.0000
   320        0.5439             nan     0.0636   -0.0001
   340        0.5416             nan     0.0636   -0.0000
   360        0.5393             nan     0.0636   -0.0000
   380        0.5372             nan     0.0636   -0.0000
   400        0.5349             nan     0.0636   -0.0000
   420        0.5326             nan     0.0636   -0.0000
   440        0.5308             nan     0.0636   -0.0000
   460        0.5292             nan     0.0636   -0.0001
   480        0.5272             nan     0.0636   -0.0001
   500        0.5254             nan     0.0636    0.0001
   520        0.5239             nan     0.0636   -0.0000
   540        0.5222             nan     0.0636   -0.0000
   560        0.5206             nan     0.0636   -0.0001
   580        0.5192             nan     0.0636   -0.0001
   586        0.5188             nan     0.0636   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0529             nan     0.0644    0.0230
     2        1.0149             nan     0.0644    0.0194
     3        0.9812             nan     0.0644    0.0165
     4        0.9519             nan     0.0644    0.0142
     5        0.9262             nan     0.0644    0.0128
     6        0.9033             nan     0.0644    0.0118
     7        0.8838             nan     0.0644    0.0098
     8        0.8661             nan     0.0644    0.0086
     9        0.8504             nan     0.0644    0.0076
    10        0.8361             nan     0.0644    0.0069
    20        0.7394             nan     0.0644    0.0037
    40        0.6569             nan     0.0644    0.0012
    60        0.6254             nan     0.0644    0.0003
    80        0.6075             nan     0.0644    0.0002
   100        0.5949             nan     0.0644    0.0001
   120        0.5863             nan     0.0644    0.0000
   140        0.5788             nan     0.0644    0.0001
   160        0.5747             nan     0.0644   -0.0000
   180        0.5704             nan     0.0644    0.0000
   200        0.5662             nan     0.0644   -0.0000
   220        0.5628             nan     0.0644   -0.0000
   240        0.5598             nan     0.0644   -0.0000
   260        0.5567             nan     0.0644    0.0000
   280        0.5537             nan     0.0644   -0.0001
   300        0.5511             nan     0.0644   -0.0001
   320        0.5488             nan     0.0644   -0.0000
   340        0.5469             nan     0.0644   -0.0000
   360        0.5443             nan     0.0644   -0.0001
   380        0.5423             nan     0.0644   -0.0001
   400        0.5407             nan     0.0644   -0.0001
   420        0.5388             nan     0.0644   -0.0000
   440        0.5372             nan     0.0644   -0.0001
   460        0.5356             nan     0.0644   -0.0001
   480        0.5341             nan     0.0644   -0.0001
   500        0.5324             nan     0.0644   -0.0000
   520        0.5306             nan     0.0644   -0.0001
   540        0.5292             nan     0.0644   -0.0001
   560        0.5276             nan     0.0644   -0.0001
   580        0.5261             nan     0.0644   -0.0000
   600        0.5247             nan     0.0644   -0.0000
   620        0.5234             nan     0.0644   -0.0001
   640        0.5220             nan     0.0644   -0.0001
   660        0.5203             nan     0.0644   -0.0001
   680        0.5186             nan     0.0644   -0.0001
   700        0.5173             nan     0.0644   -0.0000
   720        0.5159             nan     0.0644   -0.0001
   740        0.5147             nan     0.0644   -0.0001
   760        0.5135             nan     0.0644   -0.0001
   780        0.5123             nan     0.0644   -0.0000
   800        0.5110             nan     0.0644   -0.0000
   820        0.5095             nan     0.0644    0.0001
   840        0.5086             nan     0.0644   -0.0001
   860        0.5073             nan     0.0644   -0.0000
   880        0.5063             nan     0.0644   -0.0001
   897        0.5054             nan     0.0644   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0533             nan     0.0662    0.0236
     2        1.0158             nan     0.0662    0.0184
     3        0.9834             nan     0.0662    0.0166
     4        0.9547             nan     0.0662    0.0142
     5        0.9291             nan     0.0662    0.0129
     6        0.9073             nan     0.0662    0.0108
     7        0.8876             nan     0.0662    0.0099
     8        0.8704             nan     0.0662    0.0087
     9        0.8557             nan     0.0662    0.0074
    10        0.8419             nan     0.0662    0.0068
    20        0.7455             nan     0.0662    0.0035
    40        0.6655             nan     0.0662    0.0011
    60        0.6324             nan     0.0662    0.0004
    80        0.6148             nan     0.0662    0.0002
   100        0.6034             nan     0.0662    0.0002
   120        0.5951             nan     0.0662    0.0002
   140        0.5891             nan     0.0662   -0.0000
   160        0.5848             nan     0.0662   -0.0001
   180        0.5811             nan     0.0662    0.0001
   200        0.5778             nan     0.0662    0.0001
   220        0.5746             nan     0.0662   -0.0000
   240        0.5720             nan     0.0662    0.0001
   260        0.5692             nan     0.0662   -0.0000
   280        0.5665             nan     0.0662   -0.0000
   300        0.5644             nan     0.0662   -0.0000
   320        0.5624             nan     0.0662   -0.0000
   340        0.5608             nan     0.0662   -0.0000
   354        0.5594             nan     0.0662   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0546             nan     0.0663    0.0232
     2        1.0167             nan     0.0663    0.0191
     3        0.9841             nan     0.0663    0.0166
     4        0.9559             nan     0.0663    0.0142
     5        0.9313             nan     0.0663    0.0125
     6        0.9095             nan     0.0663    0.0107
     7        0.8902             nan     0.0663    0.0094
     8        0.8726             nan     0.0663    0.0085
     9        0.8571             nan     0.0663    0.0078
    10        0.8425             nan     0.0663    0.0074
    20        0.7461             nan     0.0663    0.0036
    40        0.6648             nan     0.0663    0.0012
    60        0.6313             nan     0.0663    0.0003
    80        0.6127             nan     0.0663    0.0002
   100        0.6004             nan     0.0663    0.0002
   120        0.5912             nan     0.0663    0.0002
   140        0.5845             nan     0.0663    0.0000
   160        0.5795             nan     0.0663   -0.0001
   180        0.5745             nan     0.0663    0.0001
   200        0.5705             nan     0.0663    0.0000
   220        0.5672             nan     0.0663   -0.0000
   240        0.5636             nan     0.0663   -0.0000
   260        0.5604             nan     0.0663   -0.0000
   280        0.5576             nan     0.0663    0.0001
   300        0.5553             nan     0.0663   -0.0000
   320        0.5524             nan     0.0663   -0.0000
   340        0.5504             nan     0.0663   -0.0000
   355        0.5482             nan     0.0663   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0618             nan     0.0685    0.0183
     2        1.0307             nan     0.0685    0.0154
     3        1.0037             nan     0.0685    0.0138
     4        0.9805             nan     0.0685    0.0116
     5        0.9590             nan     0.0685    0.0108
     6        0.9359             nan     0.0685    0.0113
     7        0.9162             nan     0.0685    0.0098
     8        0.8989             nan     0.0685    0.0087
     9        0.8855             nan     0.0685    0.0066
    10        0.8712             nan     0.0685    0.0070
    20        0.7869             nan     0.0685    0.0032
    40        0.7064             nan     0.0685    0.0014
    60        0.6675             nan     0.0685    0.0008
    80        0.6454             nan     0.0685    0.0004
   100        0.6312             nan     0.0685    0.0001
   120        0.6226             nan     0.0685    0.0002
   140        0.6152             nan     0.0685    0.0001
   160        0.6095             nan     0.0685    0.0000
   180        0.6049             nan     0.0685    0.0000
   200        0.6015             nan     0.0685   -0.0000
   220        0.5980             nan     0.0685   -0.0000
   240        0.5944             nan     0.0685    0.0000
   260        0.5913             nan     0.0685   -0.0000
   280        0.5889             nan     0.0685   -0.0000
   300        0.5870             nan     0.0685   -0.0000
   320        0.5851             nan     0.0685   -0.0000
   340        0.5833             nan     0.0685    0.0000
   360        0.5820             nan     0.0685   -0.0000
   380        0.5806             nan     0.0685   -0.0000
   400        0.5790             nan     0.0685   -0.0001
   406        0.5787             nan     0.0685   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0634             nan     0.0687    0.0187
     2        1.0317             nan     0.0687    0.0156
     3        1.0040             nan     0.0687    0.0141
     4        0.9803             nan     0.0687    0.0119
     5        0.9590             nan     0.0687    0.0107
     6        0.9359             nan     0.0687    0.0113
     7        0.9165             nan     0.0687    0.0100
     8        0.9016             nan     0.0687    0.0074
     9        0.8856             nan     0.0687    0.0079
    10        0.8715             nan     0.0687    0.0070
    20        0.7888             nan     0.0687    0.0029
    40        0.7065             nan     0.0687    0.0012
    60        0.6669             nan     0.0687    0.0004
    80        0.6452             nan     0.0687    0.0002
   100        0.6319             nan     0.0687    0.0002
   120        0.6220             nan     0.0687    0.0002
   140        0.6150             nan     0.0687    0.0001
   160        0.6093             nan     0.0687    0.0001
   180        0.6033             nan     0.0687    0.0001
   200        0.5994             nan     0.0687    0.0000
   220        0.5962             nan     0.0687   -0.0000
   240        0.5925             nan     0.0687    0.0000
   260        0.5893             nan     0.0687    0.0001
   280        0.5872             nan     0.0687    0.0000
   300        0.5852             nan     0.0687    0.0000
   320        0.5825             nan     0.0687   -0.0000
   340        0.5807             nan     0.0687   -0.0000
   360        0.5786             nan     0.0687   -0.0000
   380        0.5763             nan     0.0687   -0.0000
   400        0.5744             nan     0.0687    0.0000
   420        0.5731             nan     0.0687   -0.0000
   440        0.5714             nan     0.0687   -0.0000
   460        0.5697             nan     0.0687   -0.0001
   480        0.5684             nan     0.0687   -0.0000
   500        0.5669             nan     0.0687   -0.0000
   520        0.5655             nan     0.0687   -0.0000
   540        0.5645             nan     0.0687   -0.0001
   560        0.5636             nan     0.0687   -0.0000
   580        0.5625             nan     0.0687    0.0000
   600        0.5616             nan     0.0687   -0.0001
   620        0.5607             nan     0.0687   -0.0000
   640        0.5596             nan     0.0687   -0.0000
   660        0.5583             nan     0.0687   -0.0001
   680        0.5571             nan     0.0687   -0.0000
   700        0.5559             nan     0.0687   -0.0000
   720        0.5551             nan     0.0687   -0.0000
   740        0.5542             nan     0.0687   -0.0000
   760        0.5526             nan     0.0687   -0.0000
   780        0.5518             nan     0.0687   -0.0000
   800        0.5510             nan     0.0687   -0.0000
   820        0.5504             nan     0.0687   -0.0000
   840        0.5494             nan     0.0687   -0.0001
   860        0.5485             nan     0.0687   -0.0000
   880        0.5477             nan     0.0687   -0.0000
   881        0.5477             nan     0.0687   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0726             nan     0.0697    0.0138
     2        1.0486             nan     0.0697    0.0119
     3        1.0285             nan     0.0697    0.0103
     4        1.0107             nan     0.0697    0.0089
     5        0.9942             nan     0.0697    0.0081
     6        0.9813             nan     0.0697    0.0063
     7        0.9662             nan     0.0697    0.0075
     8        0.9531             nan     0.0697    0.0066
     9        0.9432             nan     0.0697    0.0052
    10        0.9347             nan     0.0697    0.0041
    20        0.8499             nan     0.0697    0.0032
    40        0.7696             nan     0.0697    0.0011
    60        0.7230             nan     0.0697    0.0013
    80        0.6948             nan     0.0697    0.0004
   100        0.6737             nan     0.0697    0.0003
   120        0.6603             nan     0.0697    0.0001
   140        0.6495             nan     0.0697    0.0001
   160        0.6410             nan     0.0697    0.0001
   180        0.6355             nan     0.0697    0.0000
   200        0.6303             nan     0.0697    0.0002
   220        0.6257             nan     0.0697    0.0000
   240        0.6220             nan     0.0697    0.0000
   260        0.6188             nan     0.0697    0.0000
   280        0.6160             nan     0.0697    0.0000
   300        0.6136             nan     0.0697    0.0000
   320        0.6109             nan     0.0697    0.0000
   340        0.6084             nan     0.0697    0.0000
   360        0.6061             nan     0.0697   -0.0000
   380        0.6043             nan     0.0697   -0.0000
   400        0.6028             nan     0.0697    0.0000
   420        0.6012             nan     0.0697   -0.0000
   440        0.5997             nan     0.0697    0.0000
   460        0.5985             nan     0.0697   -0.0000
   480        0.5975             nan     0.0697   -0.0000
   500        0.5965             nan     0.0697   -0.0000
   520        0.5956             nan     0.0697   -0.0000
   540        0.5945             nan     0.0697    0.0000
   545        0.5942             nan     0.0697   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0491             nan     0.0714    0.0254
     2        1.0070             nan     0.0714    0.0213
     3        0.9716             nan     0.0714    0.0177
     4        0.9414             nan     0.0714    0.0154
     5        0.9153             nan     0.0714    0.0132
     6        0.8927             nan     0.0714    0.0112
     7        0.8714             nan     0.0714    0.0108
     8        0.8532             nan     0.0714    0.0089
     9        0.8367             nan     0.0714    0.0081
    10        0.8227             nan     0.0714    0.0069
    20        0.7261             nan     0.0714    0.0035
    40        0.6498             nan     0.0714    0.0013
    60        0.6163             nan     0.0714    0.0007
    80        0.5993             nan     0.0714    0.0001
   100        0.5879             nan     0.0714    0.0003
   120        0.5795             nan     0.0714    0.0001
   140        0.5740             nan     0.0714   -0.0000
   160        0.5691             nan     0.0714   -0.0001
   180        0.5644             nan     0.0714   -0.0000
   200        0.5614             nan     0.0714   -0.0001
   220        0.5577             nan     0.0714   -0.0001
   240        0.5544             nan     0.0714    0.0000
   260        0.5522             nan     0.0714   -0.0000
   280        0.5494             nan     0.0714   -0.0001
   300        0.5472             nan     0.0714   -0.0001
   320        0.5444             nan     0.0714   -0.0001
   340        0.5425             nan     0.0714   -0.0000
   360        0.5406             nan     0.0714   -0.0000
   380        0.5387             nan     0.0714   -0.0001
   400        0.5368             nan     0.0714   -0.0000
   420        0.5350             nan     0.0714   -0.0001
   440        0.5333             nan     0.0714   -0.0000
   460        0.5317             nan     0.0714   -0.0000
   473        0.5306             nan     0.0714   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0605             nan     0.0743    0.0199
     2        1.0271             nan     0.0743    0.0160
     3        0.9976             nan     0.0743    0.0146
     4        0.9730             nan     0.0743    0.0125
     5        0.9518             nan     0.0743    0.0106
     6        0.9281             nan     0.0743    0.0121
     7        0.9072             nan     0.0743    0.0105
     8        0.8891             nan     0.0743    0.0089
     9        0.8731             nan     0.0743    0.0079
    10        0.8605             nan     0.0743    0.0062
    20        0.7750             nan     0.0743    0.0031
    40        0.6966             nan     0.0743    0.0012
    60        0.6610             nan     0.0743    0.0006
    80        0.6407             nan     0.0743    0.0003
   100        0.6273             nan     0.0743    0.0001
   120        0.6200             nan     0.0743    0.0000
   140        0.6128             nan     0.0743    0.0001
   160        0.6075             nan     0.0743    0.0000
   180        0.6034             nan     0.0743   -0.0000
   185        0.6020             nan     0.0743    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0494             nan     0.0751    0.0255
     2        1.0072             nan     0.0751    0.0214
     3        0.9721             nan     0.0751    0.0176
     4        0.9412             nan     0.0751    0.0154
     5        0.9151             nan     0.0751    0.0128
     6        0.8926             nan     0.0751    0.0113
     7        0.8725             nan     0.0751    0.0097
     8        0.8553             nan     0.0751    0.0086
     9        0.8388             nan     0.0751    0.0079
    10        0.8240             nan     0.0751    0.0070
    20        0.7298             nan     0.0751    0.0040
    40        0.6536             nan     0.0751    0.0011
    60        0.6236             nan     0.0751    0.0004
    80        0.6065             nan     0.0751    0.0003
   100        0.5952             nan     0.0751    0.0002
   120        0.5872             nan     0.0751    0.0000
   140        0.5797             nan     0.0751    0.0001
   160        0.5745             nan     0.0751   -0.0000
   180        0.5695             nan     0.0751   -0.0000
   200        0.5647             nan     0.0751   -0.0001
   220        0.5611             nan     0.0751   -0.0000
   225        0.5601             nan     0.0751    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0597             nan     0.0773    0.0207
     2        1.0255             nan     0.0773    0.0171
     3        0.9954             nan     0.0773    0.0150
     4        0.9694             nan     0.0773    0.0129
     5        0.9414             nan     0.0773    0.0138
     6        0.9217             nan     0.0773    0.0096
     7        0.9007             nan     0.0773    0.0103
     8        0.8824             nan     0.0773    0.0092
     9        0.8684             nan     0.0773    0.0070
    10        0.8540             nan     0.0773    0.0072
    20        0.7715             nan     0.0773    0.0024
    40        0.6919             nan     0.0773    0.0012
    60        0.6574             nan     0.0773    0.0006
    80        0.6370             nan     0.0773    0.0004
   100        0.6244             nan     0.0773    0.0001
   120        0.6160             nan     0.0773    0.0001
   140        0.6092             nan     0.0773   -0.0000
   160        0.6045             nan     0.0773   -0.0000
   180        0.6009             nan     0.0773   -0.0000
   200        0.5965             nan     0.0773   -0.0000
   220        0.5936             nan     0.0773   -0.0000
   240        0.5906             nan     0.0773   -0.0000
   260        0.5884             nan     0.0773   -0.0000
   280        0.5860             nan     0.0773    0.0002
   300        0.5837             nan     0.0773    0.0000
   320        0.5820             nan     0.0773   -0.0000
   340        0.5800             nan     0.0773   -0.0000
   360        0.5785             nan     0.0773   -0.0000
   380        0.5771             nan     0.0773   -0.0000
   400        0.5757             nan     0.0773   -0.0000
   420        0.5747             nan     0.0773   -0.0000
   440        0.5734             nan     0.0773   -0.0000
   460        0.5723             nan     0.0773   -0.0000
   480        0.5709             nan     0.0773   -0.0000
   500        0.5697             nan     0.0773   -0.0000
   520        0.5685             nan     0.0773   -0.0000
   540        0.5676             nan     0.0773   -0.0001
   560        0.5669             nan     0.0773   -0.0001
   580        0.5657             nan     0.0773    0.0001
   600        0.5649             nan     0.0773   -0.0000
   606        0.5646             nan     0.0773   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0697             nan     0.0774    0.0152
     2        1.0441             nan     0.0774    0.0129
     3        1.0225             nan     0.0774    0.0110
     4        1.0036             nan     0.0774    0.0092
     5        0.9849             nan     0.0774    0.0093
     6        0.9714             nan     0.0774    0.0069
     7        0.9556             nan     0.0774    0.0078
     8        0.9449             nan     0.0774    0.0052
     9        0.9314             nan     0.0774    0.0066
    10        0.9189             nan     0.0774    0.0060
    20        0.8390             nan     0.0774    0.0032
    40        0.7570             nan     0.0774    0.0012
    60        0.7130             nan     0.0774    0.0007
    80        0.6849             nan     0.0774    0.0006
   100        0.6655             nan     0.0774    0.0004
   120        0.6526             nan     0.0774    0.0002
   140        0.6420             nan     0.0774    0.0003
   160        0.6358             nan     0.0774    0.0001
   180        0.6302             nan     0.0774    0.0001
   200        0.6247             nan     0.0774    0.0001
   220        0.6207             nan     0.0774    0.0001
   240        0.6175             nan     0.0774    0.0000
   260        0.6147             nan     0.0774    0.0000
   280        0.6119             nan     0.0774    0.0000
   300        0.6092             nan     0.0774    0.0000
   320        0.6070             nan     0.0774    0.0000
   340        0.6050             nan     0.0774    0.0000
   360        0.6028             nan     0.0774    0.0001
   380        0.6013             nan     0.0774   -0.0000
   400        0.5998             nan     0.0774   -0.0000
   420        0.5982             nan     0.0774    0.0000
   440        0.5969             nan     0.0774   -0.0000
   460        0.5958             nan     0.0774   -0.0000
   480        0.5947             nan     0.0774    0.0001
   500        0.5935             nan     0.0774   -0.0000
   520        0.5926             nan     0.0774   -0.0000
   540        0.5917             nan     0.0774   -0.0000
   560        0.5911             nan     0.0774   -0.0000
   580        0.5902             nan     0.0774   -0.0000
   600        0.5897             nan     0.0774   -0.0000
   620        0.5889             nan     0.0774   -0.0000
   640        0.5882             nan     0.0774   -0.0000
   660        0.5876             nan     0.0774   -0.0000
   680        0.5870             nan     0.0774   -0.0000
   700        0.5865             nan     0.0774   -0.0000
   720        0.5859             nan     0.0774   -0.0000
   735        0.5854             nan     0.0774   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0449             nan     0.0790    0.0274
     2        1.0012             nan     0.0790    0.0217
     3        0.9649             nan     0.0790    0.0183
     4        0.9349             nan     0.0790    0.0152
     5        0.9084             nan     0.0790    0.0128
     6        0.8846             nan     0.0790    0.0121
     7        0.8649             nan     0.0790    0.0097
     8        0.8468             nan     0.0790    0.0090
     9        0.8302             nan     0.0790    0.0082
    10        0.8152             nan     0.0790    0.0074
    20        0.7223             nan     0.0790    0.0032
    40        0.6496             nan     0.0790    0.0011
    60        0.6201             nan     0.0790    0.0004
    80        0.6035             nan     0.0790    0.0003
   100        0.5943             nan     0.0790    0.0000
   120        0.5861             nan     0.0790    0.0003
   140        0.5808             nan     0.0790   -0.0000
   160        0.5762             nan     0.0790   -0.0000
   180        0.5724             nan     0.0790   -0.0001
   200        0.5685             nan     0.0790   -0.0000
   220        0.5652             nan     0.0790   -0.0001
   240        0.5619             nan     0.0790   -0.0000
   260        0.5593             nan     0.0790   -0.0000
   280        0.5568             nan     0.0790   -0.0000
   300        0.5543             nan     0.0790   -0.0000
   320        0.5523             nan     0.0790   -0.0001
   340        0.5499             nan     0.0790   -0.0000
   360        0.5475             nan     0.0790   -0.0000
   380        0.5460             nan     0.0790   -0.0000
   388        0.5450             nan     0.0790   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0574             nan     0.0803    0.0216
     2        1.0220             nan     0.0803    0.0173
     3        0.9912             nan     0.0803    0.0154
     4        0.9651             nan     0.0803    0.0130
     5        0.9371             nan     0.0803    0.0137
     6        0.9175             nan     0.0803    0.0095
     7        0.8961             nan     0.0803    0.0107
     8        0.8776             nan     0.0803    0.0091
     9        0.8630             nan     0.0803    0.0070
    10        0.8485             nan     0.0803    0.0074
    20        0.7664             nan     0.0803    0.0027
    40        0.6883             nan     0.0803    0.0015
    60        0.6527             nan     0.0803    0.0007
    80        0.6344             nan     0.0803    0.0002
   100        0.6236             nan     0.0803    0.0002
   120        0.6147             nan     0.0803    0.0001
   140        0.6092             nan     0.0803    0.0001
   160        0.6039             nan     0.0803    0.0001
   180        0.5992             nan     0.0803   -0.0001
   200        0.5955             nan     0.0803    0.0000
   220        0.5919             nan     0.0803   -0.0001
   240        0.5890             nan     0.0803    0.0000
   260        0.5864             nan     0.0803   -0.0000
   270        0.5853             nan     0.0803    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0503             nan     0.0808    0.0250
     2        1.0095             nan     0.0808    0.0200
     3        0.9726             nan     0.0808    0.0184
     4        0.9437             nan     0.0808    0.0143
     5        0.9181             nan     0.0808    0.0127
     6        0.8950             nan     0.0808    0.0112
     7        0.8750             nan     0.0808    0.0099
     8        0.8555             nan     0.0808    0.0095
     9        0.8390             nan     0.0808    0.0083
    10        0.8239             nan     0.0808    0.0074
    20        0.7392             nan     0.0808    0.0026
    40        0.6636             nan     0.0808    0.0014
    60        0.6321             nan     0.0808    0.0004
    80        0.6165             nan     0.0808    0.0003
   100        0.6049             nan     0.0808    0.0001
   120        0.5962             nan     0.0808   -0.0000
   140        0.5897             nan     0.0808    0.0000
   160        0.5849             nan     0.0808    0.0000
   180        0.5803             nan     0.0808    0.0003
   200        0.5763             nan     0.0808   -0.0000
   220        0.5734             nan     0.0808   -0.0000
   240        0.5709             nan     0.0808   -0.0000
   260        0.5688             nan     0.0808   -0.0000
   280        0.5656             nan     0.0808    0.0000
   300        0.5631             nan     0.0808   -0.0000
   320        0.5614             nan     0.0808   -0.0001
   340        0.5596             nan     0.0808   -0.0001
   360        0.5583             nan     0.0808   -0.0001
   380        0.5565             nan     0.0808   -0.0000
   400        0.5553             nan     0.0808   -0.0001
   420        0.5538             nan     0.0808   -0.0001
   440        0.5523             nan     0.0808   -0.0000
   460        0.5510             nan     0.0808   -0.0001
   480        0.5489             nan     0.0808   -0.0000
   500        0.5474             nan     0.0808    0.0000
   520        0.5462             nan     0.0808   -0.0001
   540        0.5453             nan     0.0808   -0.0000
   560        0.5436             nan     0.0808   -0.0001
   580        0.5425             nan     0.0808   -0.0001
   600        0.5413             nan     0.0808   -0.0001
   620        0.5399             nan     0.0808   -0.0001
   640        0.5388             nan     0.0808   -0.0000
   660        0.5372             nan     0.0808   -0.0000
   680        0.5361             nan     0.0808   -0.0001
   700        0.5350             nan     0.0808   -0.0000
   720        0.5341             nan     0.0808   -0.0000
   723        0.5340             nan     0.0808   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0490             nan     0.0838    0.0257
     2        1.0073             nan     0.0838    0.0211
     3        0.9717             nan     0.0838    0.0175
     4        0.9406             nan     0.0838    0.0156
     5        0.9141             nan     0.0838    0.0132
     6        0.8881             nan     0.0838    0.0129
     7        0.8666             nan     0.0838    0.0107
     8        0.8477             nan     0.0838    0.0094
     9        0.8324             nan     0.0838    0.0073
    10        0.8203             nan     0.0838    0.0059
    20        0.7357             nan     0.0838    0.0025
    40        0.6597             nan     0.0838    0.0008
    60        0.6313             nan     0.0838    0.0007
    80        0.6155             nan     0.0838    0.0001
   100        0.6060             nan     0.0838    0.0000
   120        0.5986             nan     0.0838   -0.0000
   123        0.5977             nan     0.0838    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0400             nan     0.0840    0.0304
     2        0.9919             nan     0.0840    0.0236
     3        0.9529             nan     0.0840    0.0191
     4        0.9194             nan     0.0840    0.0164
     5        0.8911             nan     0.0840    0.0141
     6        0.8661             nan     0.0840    0.0124
     7        0.8458             nan     0.0840    0.0103
     8        0.8271             nan     0.0840    0.0093
     9        0.8110             nan     0.0840    0.0077
    10        0.7962             nan     0.0840    0.0074
    20        0.7026             nan     0.0840    0.0032
    40        0.6347             nan     0.0840    0.0009
    60        0.6076             nan     0.0840    0.0002
    80        0.5918             nan     0.0840    0.0001
   100        0.5820             nan     0.0840    0.0000
   120        0.5748             nan     0.0840    0.0002
   140        0.5686             nan     0.0840    0.0000
   160        0.5634             nan     0.0840   -0.0000
   180        0.5594             nan     0.0840   -0.0000
   200        0.5556             nan     0.0840   -0.0000
   220        0.5524             nan     0.0840   -0.0000
   240        0.5488             nan     0.0840   -0.0000
   260        0.5462             nan     0.0840   -0.0001
   280        0.5438             nan     0.0840   -0.0001
   300        0.5417             nan     0.0840   -0.0000
   320        0.5395             nan     0.0840   -0.0001
   340        0.5371             nan     0.0840   -0.0000
   360        0.5347             nan     0.0840   -0.0001
   380        0.5328             nan     0.0840   -0.0001
   400        0.5305             nan     0.0840    0.0001
   420        0.5283             nan     0.0840   -0.0001
   440        0.5269             nan     0.0840   -0.0001
   460        0.5253             nan     0.0840   -0.0001
   480        0.5236             nan     0.0840   -0.0000
   500        0.5218             nan     0.0840   -0.0002
   520        0.5202             nan     0.0840   -0.0001
   540        0.5187             nan     0.0840   -0.0000
   560        0.5171             nan     0.0840   -0.0001
   580        0.5155             nan     0.0840   -0.0001
   600        0.5142             nan     0.0840   -0.0001
   620        0.5127             nan     0.0840   -0.0001
   640        0.5111             nan     0.0840   -0.0002
   660        0.5097             nan     0.0840   -0.0001
   680        0.5082             nan     0.0840   -0.0001
   700        0.5071             nan     0.0840   -0.0001
   720        0.5060             nan     0.0840   -0.0001
   740        0.5044             nan     0.0840   -0.0000
   760        0.5034             nan     0.0840   -0.0001
   780        0.5022             nan     0.0840   -0.0000
   800        0.5005             nan     0.0840   -0.0001
   820        0.4994             nan     0.0840   -0.0001
   840        0.4986             nan     0.0840   -0.0001
   860        0.4973             nan     0.0840   -0.0001
   880        0.4958             nan     0.0840   -0.0001
   900        0.4945             nan     0.0840   -0.0001
   920        0.4930             nan     0.0840   -0.0001
   939        0.4921             nan     0.0840   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0400             nan     0.0873    0.0301
     2        0.9931             nan     0.0873    0.0229
     3        0.9537             nan     0.0873    0.0195
     4        0.9213             nan     0.0873    0.0162
     5        0.8943             nan     0.0873    0.0130
     6        0.8711             nan     0.0873    0.0114
     7        0.8509             nan     0.0873    0.0103
     8        0.8329             nan     0.0873    0.0090
     9        0.8178             nan     0.0873    0.0074
    10        0.8033             nan     0.0873    0.0070
    20        0.7113             nan     0.0873    0.0031
    40        0.6418             nan     0.0873    0.0006
    60        0.6123             nan     0.0873    0.0004
    80        0.5961             nan     0.0873    0.0001
   100        0.5855             nan     0.0873    0.0000
   120        0.5785             nan     0.0873   -0.0000
   140        0.5723             nan     0.0873   -0.0000
   160        0.5675             nan     0.0873   -0.0000
   180        0.5630             nan     0.0873   -0.0001
   200        0.5581             nan     0.0873    0.0000
   220        0.5551             nan     0.0873   -0.0001
   240        0.5519             nan     0.0873   -0.0000
   260        0.5489             nan     0.0873   -0.0000
   280        0.5458             nan     0.0873   -0.0001
   300        0.5430             nan     0.0873   -0.0001
   320        0.5394             nan     0.0873   -0.0001
   340        0.5376             nan     0.0873   -0.0000
   360        0.5354             nan     0.0873   -0.0000
   380        0.5327             nan     0.0873   -0.0001
   400        0.5303             nan     0.0873   -0.0001
   420        0.5277             nan     0.0873   -0.0001
   440        0.5257             nan     0.0873   -0.0001
   442        0.5256             nan     0.0873   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0530             nan     0.0888    0.0241
     2        1.0143             nan     0.0888    0.0195
     3        0.9812             nan     0.0888    0.0162
     4        0.9546             nan     0.0888    0.0132
     5        0.9253             nan     0.0888    0.0147
     6        0.9054             nan     0.0888    0.0096
     7        0.8838             nan     0.0888    0.0112
     8        0.8653             nan     0.0888    0.0092
     9        0.8494             nan     0.0888    0.0080
    10        0.8374             nan     0.0888    0.0060
    20        0.7530             nan     0.0888    0.0031
    40        0.6793             nan     0.0888    0.0013
    60        0.6456             nan     0.0888    0.0006
    80        0.6297             nan     0.0888    0.0003
   100        0.6181             nan     0.0888    0.0002
   120        0.6105             nan     0.0888    0.0002
   140        0.6042             nan     0.0888    0.0000
   160        0.5996             nan     0.0888    0.0000
   180        0.5949             nan     0.0888    0.0001
   200        0.5909             nan     0.0888   -0.0000
   220        0.5873             nan     0.0888    0.0000
   240        0.5844             nan     0.0888    0.0000
   260        0.5826             nan     0.0888   -0.0001
   280        0.5804             nan     0.0888   -0.0000
   300        0.5784             nan     0.0888    0.0000
   320        0.5763             nan     0.0888   -0.0000
   340        0.5743             nan     0.0888    0.0001
   346        0.5739             nan     0.0888   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0379             nan     0.0896    0.0302
     2        0.9905             nan     0.0896    0.0240
     3        0.9512             nan     0.0896    0.0197
     4        0.9172             nan     0.0896    0.0169
     5        0.8894             nan     0.0896    0.0141
     6        0.8667             nan     0.0896    0.0113
     7        0.8471             nan     0.0896    0.0098
     8        0.8300             nan     0.0896    0.0084
     9        0.8134             nan     0.0896    0.0082
    10        0.7996             nan     0.0896    0.0068
    20        0.7089             nan     0.0896    0.0027
    40        0.6421             nan     0.0896    0.0005
    60        0.6130             nan     0.0896    0.0002
    80        0.5996             nan     0.0896    0.0001
   100        0.5889             nan     0.0896    0.0001
   120        0.5810             nan     0.0896    0.0001
   140        0.5746             nan     0.0896    0.0000
   160        0.5686             nan     0.0896   -0.0001
   180        0.5643             nan     0.0896    0.0000
   200        0.5605             nan     0.0896   -0.0001
   220        0.5571             nan     0.0896   -0.0000
   240        0.5548             nan     0.0896   -0.0001
   256        0.5525             nan     0.0896   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0388             nan     0.0902    0.0312
     2        0.9904             nan     0.0902    0.0246
     3        0.9511             nan     0.0902    0.0194
     4        0.9177             nan     0.0902    0.0167
     5        0.8910             nan     0.0902    0.0134
     6        0.8673             nan     0.0902    0.0119
     7        0.8465             nan     0.0902    0.0104
     8        0.8282             nan     0.0902    0.0094
     9        0.8129             nan     0.0902    0.0075
    10        0.7989             nan     0.0902    0.0070
    20        0.7052             nan     0.0902    0.0023
    40        0.6400             nan     0.0902    0.0010
    60        0.6138             nan     0.0902    0.0004
    80        0.6005             nan     0.0902    0.0003
   100        0.5910             nan     0.0902    0.0001
   120        0.5840             nan     0.0902    0.0002
   140        0.5788             nan     0.0902   -0.0001
   160        0.5744             nan     0.0902    0.0000
   180        0.5706             nan     0.0902    0.0000
   200        0.5675             nan     0.0902   -0.0001
   220        0.5643             nan     0.0902   -0.0000
   240        0.5616             nan     0.0902   -0.0000
   260        0.5591             nan     0.0902   -0.0001
   280        0.5569             nan     0.0902   -0.0001
   300        0.5547             nan     0.0902   -0.0001
   320        0.5532             nan     0.0902   -0.0001
   340        0.5516             nan     0.0902   -0.0001
   360        0.5497             nan     0.0902   -0.0001
   380        0.5477             nan     0.0902   -0.0001
   400        0.5457             nan     0.0902   -0.0001
   420        0.5439             nan     0.0902   -0.0001
   440        0.5426             nan     0.0902   -0.0001
   460        0.5410             nan     0.0902   -0.0001
   480        0.5393             nan     0.0902   -0.0001
   500        0.5382             nan     0.0902   -0.0001
   520        0.5372             nan     0.0902   -0.0001
   540        0.5354             nan     0.0902   -0.0001
   560        0.5340             nan     0.0902   -0.0000
   580        0.5329             nan     0.0902   -0.0001
   600        0.5314             nan     0.0902   -0.0001
   620        0.5301             nan     0.0902   -0.0001
   640        0.5290             nan     0.0902   -0.0001
   648        0.5286             nan     0.0902   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0410             nan     0.0960    0.0291
     2        0.9923             nan     0.0960    0.0245
     3        0.9553             nan     0.0960    0.0183
     4        0.9221             nan     0.0960    0.0163
     5        0.8954             nan     0.0960    0.0133
     6        0.8692             nan     0.0960    0.0126
     7        0.8468             nan     0.0960    0.0113
     8        0.8283             nan     0.0960    0.0092
     9        0.8141             nan     0.0960    0.0068
    10        0.7995             nan     0.0960    0.0072
    20        0.7165             nan     0.0960    0.0021
    40        0.6502             nan     0.0960    0.0009
    60        0.6232             nan     0.0960    0.0002
    80        0.6073             nan     0.0960    0.0003
   100        0.5974             nan     0.0960    0.0001
   120        0.5893             nan     0.0960    0.0001
   140        0.5831             nan     0.0960    0.0000
   160        0.5792             nan     0.0960   -0.0001
   180        0.5737             nan     0.0960   -0.0000
   200        0.5703             nan     0.0960   -0.0000
   220        0.5666             nan     0.0960    0.0000
   240        0.5638             nan     0.0960   -0.0000
   260        0.5614             nan     0.0960   -0.0001
   280        0.5585             nan     0.0960   -0.0001
   300        0.5560             nan     0.0960   -0.0001
   320        0.5537             nan     0.0960   -0.0000
   340        0.5519             nan     0.0960   -0.0001
   360        0.5501             nan     0.0960   -0.0001
   380        0.5486             nan     0.0960   -0.0000
   400        0.5457             nan     0.0960   -0.0000
   420        0.5436             nan     0.0960    0.0001
   440        0.5421             nan     0.0960   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0634             nan     0.0965    0.0189
     2        1.0325             nan     0.0965    0.0154
     3        1.0068             nan     0.0965    0.0125
     4        0.9843             nan     0.0965    0.0112
     5        0.9643             nan     0.0965    0.0100
     6        0.9489             nan     0.0965    0.0078
     7        0.9326             nan     0.0965    0.0077
     8        0.9170             nan     0.0965    0.0080
     9        0.9058             nan     0.0965    0.0056
    10        0.8924             nan     0.0965    0.0066
    20        0.8096             nan     0.0965    0.0029
    40        0.7320             nan     0.0965    0.0016
    60        0.6901             nan     0.0965    0.0009
    80        0.6644             nan     0.0965    0.0004
   100        0.6495             nan     0.0965    0.0001
   120        0.6396             nan     0.0965    0.0001
   140        0.6314             nan     0.0965    0.0001
   160        0.6253             nan     0.0965    0.0001
   180        0.6198             nan     0.0965    0.0001
   200        0.6160             nan     0.0965    0.0001
   220        0.6121             nan     0.0965   -0.0000
   240        0.6091             nan     0.0965    0.0000
   260        0.6064             nan     0.0965   -0.0000
   280        0.6041             nan     0.0965    0.0001
   300        0.6020             nan     0.0965    0.0000
   320        0.5999             nan     0.0965   -0.0000
   340        0.5985             nan     0.0965   -0.0000
   360        0.5970             nan     0.0965   -0.0000
   380        0.5953             nan     0.0965   -0.0000
   400        0.5938             nan     0.0965   -0.0000
   420        0.5923             nan     0.0965   -0.0000
   440        0.5912             nan     0.0965    0.0000
   460        0.5903             nan     0.0965   -0.0000
   480        0.5896             nan     0.0965   -0.0000
   500        0.5888             nan     0.0965   -0.0000
   520        0.5881             nan     0.0965   -0.0000
   540        0.5873             nan     0.0965   -0.0000
   560        0.5866             nan     0.0965   -0.0000
   580        0.5858             nan     0.0965   -0.0000
   600        0.5852             nan     0.0965   -0.0001
   620        0.5848             nan     0.0965   -0.0000
   640        0.5842             nan     0.0965   -0.0000
   660        0.5838             nan     0.0965   -0.0001
   680        0.5830             nan     0.0965   -0.0000
   700        0.5825             nan     0.0965   -0.0001
   720        0.5820             nan     0.0965   -0.0001
   740        0.5816             nan     0.0965   -0.0000
   759        0.5812             nan     0.0965    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0399             nan     0.0983    0.0297
     2        0.9927             nan     0.0983    0.0228
     3        0.9511             nan     0.0983    0.0205
     4        0.9188             nan     0.0983    0.0162
     5        0.8917             nan     0.0983    0.0137
     6        0.8686             nan     0.0983    0.0115
     7        0.8461             nan     0.0983    0.0112
     8        0.8274             nan     0.0983    0.0095
     9        0.8112             nan     0.0983    0.0082
    10        0.7987             nan     0.0983    0.0060
    20        0.7137             nan     0.0983    0.0021
    40        0.6464             nan     0.0983    0.0007
    60        0.6192             nan     0.0983    0.0002
    80        0.6059             nan     0.0983    0.0002
   100        0.5946             nan     0.0983    0.0000
   120        0.5876             nan     0.0983    0.0001
   140        0.5819             nan     0.0983    0.0000
   160        0.5769             nan     0.0983    0.0000
   180        0.5719             nan     0.0983    0.0001
   200        0.5681             nan     0.0983   -0.0000
   220        0.5655             nan     0.0983   -0.0000
   240        0.5626             nan     0.0983    0.0000
   260        0.5600             nan     0.0983   -0.0001
   280        0.5579             nan     0.0983   -0.0001
   300        0.5552             nan     0.0983   -0.0001
   320        0.5523             nan     0.0983   -0.0000
   336        0.5506             nan     0.0983    0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0616             nan     0.1014    0.0198
     2        1.0293             nan     0.1014    0.0159
     3        1.0048             nan     0.1014    0.0122
     4        0.9798             nan     0.1014    0.0125
     5        0.9635             nan     0.1014    0.0081
     6        0.9436             nan     0.1014    0.0101
     7        0.9272             nan     0.1014    0.0081
     8        0.9110             nan     0.1014    0.0081
     9        0.9000             nan     0.1014    0.0055
    10        0.8875             nan     0.1014    0.0061
    20        0.8030             nan     0.1014    0.0027
    40        0.7266             nan     0.1014    0.0011
    60        0.6859             nan     0.1014    0.0008
    80        0.6623             nan     0.1014    0.0003
   100        0.6447             nan     0.1014    0.0002
   120        0.6352             nan     0.1014    0.0001
   140        0.6281             nan     0.1014    0.0001
   160        0.6224             nan     0.1014    0.0001
   180        0.6182             nan     0.1014   -0.0000
   200        0.6144             nan     0.1014    0.0000
   220        0.6110             nan     0.1014   -0.0000
   240        0.6085             nan     0.1014   -0.0000
   260        0.6057             nan     0.1014    0.0000
   280        0.6035             nan     0.1014    0.0000
   300        0.6014             nan     0.1014    0.0000
   320        0.5996             nan     0.1014    0.0000
   340        0.5982             nan     0.1014   -0.0000
   360        0.5968             nan     0.1014   -0.0000
   380        0.5958             nan     0.1014   -0.0000
   400        0.5943             nan     0.1014   -0.0000
   420        0.5933             nan     0.1014   -0.0000
   440        0.5921             nan     0.1014    0.0000
   460        0.5913             nan     0.1014   -0.0000
   480        0.5904             nan     0.1014   -0.0000
   500        0.5896             nan     0.1014   -0.0000
   520        0.5888             nan     0.1014   -0.0000
   540        0.5880             nan     0.1014   -0.0000
   560        0.5872             nan     0.1014   -0.0000
   580        0.5867             nan     0.1014   -0.0000
   600        0.5862             nan     0.1014   -0.0000
   620        0.5856             nan     0.1014   -0.0000
   640        0.5853             nan     0.1014   -0.0000
   660        0.5850             nan     0.1014   -0.0001
   680        0.5847             nan     0.1014   -0.0000
   700        0.5842             nan     0.1014   -0.0000
   720        0.5836             nan     0.1014   -0.0000
   740        0.5830             nan     0.1014   -0.0000
   760        0.5828             nan     0.1014   -0.0001
   780        0.5824             nan     0.1014   -0.0000
   800        0.5821             nan     0.1014   -0.0000
   820        0.5819             nan     0.1014   -0.0000
   840        0.5814             nan     0.1014   -0.0000
   860        0.5811             nan     0.1014   -0.0000
   880        0.5808             nan     0.1014    0.0000
   896        0.5805             nan     0.1014   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0386             nan     0.1018    0.0308
     2        0.9878             nan     0.1018    0.0253
     3        0.9474             nan     0.1018    0.0197
     4        0.9145             nan     0.1018    0.0163
     5        0.8833             nan     0.1018    0.0156
     6        0.8603             nan     0.1018    0.0113
     7        0.8419             nan     0.1018    0.0090
     8        0.8247             nan     0.1018    0.0084
     9        0.8080             nan     0.1018    0.0084
    10        0.7930             nan     0.1018    0.0073
    20        0.7124             nan     0.1018    0.0028
    40        0.6442             nan     0.1018    0.0006
    60        0.6182             nan     0.1018    0.0003
    80        0.6042             nan     0.1018    0.0003
   100        0.5954             nan     0.1018    0.0002
   120        0.5885             nan     0.1018    0.0001
   140        0.5821             nan     0.1018    0.0002
   160        0.5780             nan     0.1018   -0.0000
   180        0.5742             nan     0.1018    0.0000
   200        0.5699             nan     0.1018    0.0000
   220        0.5669             nan     0.1018   -0.0000
   240        0.5641             nan     0.1018   -0.0000
   260        0.5610             nan     0.1018   -0.0000
   280        0.5590             nan     0.1018   -0.0001
   300        0.5569             nan     0.1018   -0.0000
   302        0.5567             nan     0.1018   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0465             nan     0.1024    0.0274
     2        1.0051             nan     0.1024    0.0206
     3        0.9686             nan     0.1024    0.0183
     4        0.9335             nan     0.1024    0.0180
     5        0.9088             nan     0.1024    0.0124
     6        0.8833             nan     0.1024    0.0128
     7        0.8648             nan     0.1024    0.0089
     8        0.8459             nan     0.1024    0.0095
     9        0.8316             nan     0.1024    0.0071
    10        0.8174             nan     0.1024    0.0070
    20        0.7364             nan     0.1024    0.0033
    40        0.6668             nan     0.1024    0.0013
    60        0.6375             nan     0.1024    0.0004
    80        0.6225             nan     0.1024    0.0002
   100        0.6125             nan     0.1024    0.0002
   120        0.6048             nan     0.1024    0.0000
   140        0.5994             nan     0.1024    0.0000
   160        0.5939             nan     0.1024    0.0001
   180        0.5896             nan     0.1024    0.0000
   200        0.5860             nan     0.1024   -0.0000
   220        0.5818             nan     0.1024    0.0000
   240        0.5788             nan     0.1024   -0.0000
   260        0.5761             nan     0.1024   -0.0000
   280        0.5731             nan     0.1024   -0.0000
   300        0.5708             nan     0.1024   -0.0001
   320        0.5681             nan     0.1024   -0.0000
   340        0.5667             nan     0.1024    0.0000
   360        0.5654             nan     0.1024   -0.0001
   380        0.5643             nan     0.1024   -0.0001
   400        0.5626             nan     0.1024    0.0000
   420        0.5605             nan     0.1024   -0.0001
   440        0.5595             nan     0.1024   -0.0000
   460        0.5585             nan     0.1024   -0.0000
   480        0.5573             nan     0.1024   -0.0001
   500        0.5564             nan     0.1024   -0.0000
   520        0.5548             nan     0.1024   -0.0001
   540        0.5538             nan     0.1024   -0.0001
   560        0.5528             nan     0.1024   -0.0001
   580        0.5519             nan     0.1024   -0.0000
   600        0.5508             nan     0.1024   -0.0000
   620        0.5495             nan     0.1024    0.0001
   640        0.5482             nan     0.1024   -0.0000
   660        0.5473             nan     0.1024   -0.0000
   680        0.5464             nan     0.1024   -0.0001
   700        0.5457             nan     0.1024   -0.0001
   720        0.5451             nan     0.1024   -0.0000
   740        0.5439             nan     0.1024   -0.0000
   760        0.5429             nan     0.1024   -0.0000
   780        0.5418             nan     0.1024   -0.0000
   800        0.5411             nan     0.1024   -0.0001
   820        0.5403             nan     0.1024   -0.0000
   840        0.5397             nan     0.1024   -0.0001
   851        0.5393             nan     0.1024   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0361             nan     0.1035    0.0317
     2        0.9857             nan     0.1035    0.0259
     3        0.9447             nan     0.1035    0.0201
     4        0.9121             nan     0.1035    0.0162
     5        0.8862             nan     0.1035    0.0127
     6        0.8598             nan     0.1035    0.0132
     7        0.8370             nan     0.1035    0.0112
     8        0.8177             nan     0.1035    0.0096
     9        0.8030             nan     0.1035    0.0070
    10        0.7882             nan     0.1035    0.0073
    20        0.7085             nan     0.1035    0.0027
    40        0.6438             nan     0.1035    0.0007
    60        0.6191             nan     0.1035    0.0001
    80        0.6028             nan     0.1035    0.0001
   100        0.5923             nan     0.1035    0.0000
   120        0.5851             nan     0.1035   -0.0000
   140        0.5789             nan     0.1035    0.0001
   160        0.5743             nan     0.1035   -0.0001
   180        0.5714             nan     0.1035   -0.0000
   190        0.5697             nan     0.1035   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0378             nan     0.1036    0.0315
     2        0.9856             nan     0.1036    0.0264
     3        0.9458             nan     0.1036    0.0198
     4        0.9127             nan     0.1036    0.0165
     5        0.8862             nan     0.1036    0.0137
     6        0.8616             nan     0.1036    0.0119
     7        0.8411             nan     0.1036    0.0101
     8        0.8217             nan     0.1036    0.0097
     9        0.8071             nan     0.1036    0.0074
    10        0.7956             nan     0.1036    0.0054
    20        0.7117             nan     0.1036    0.0024
    40        0.6447             nan     0.1036    0.0006
    60        0.6182             nan     0.1036    0.0004
    80        0.6029             nan     0.1036    0.0001
   100        0.5937             nan     0.1036    0.0001
   120        0.5857             nan     0.1036    0.0000
   140        0.5804             nan     0.1036    0.0000
   160        0.5757             nan     0.1036    0.0002
   180        0.5724             nan     0.1036   -0.0000
   200        0.5687             nan     0.1036   -0.0000
   220        0.5659             nan     0.1036   -0.0001
   240        0.5629             nan     0.1036   -0.0000
   260        0.5602             nan     0.1036   -0.0001
   280        0.5579             nan     0.1036   -0.0000
   300        0.5558             nan     0.1036   -0.0000
   320        0.5541             nan     0.1036   -0.0000
   340        0.5517             nan     0.1036   -0.0001
   360        0.5487             nan     0.1036   -0.0001
   380        0.5468             nan     0.1036   -0.0000
   400        0.5451             nan     0.1036   -0.0001
   420        0.5430             nan     0.1036    0.0001
   440        0.5413             nan     0.1036   -0.0001
   460        0.5397             nan     0.1036   -0.0001
   480        0.5383             nan     0.1036   -0.0001
   500        0.5371             nan     0.1036   -0.0001
   520        0.5359             nan     0.1036   -0.0001
   540        0.5346             nan     0.1036   -0.0001
   560        0.5336             nan     0.1036   -0.0000
   580        0.5324             nan     0.1036   -0.0001
   600        0.5313             nan     0.1036   -0.0000
   620        0.5302             nan     0.1036   -0.0001
   640        0.5294             nan     0.1036   -0.0002
   660        0.5282             nan     0.1036   -0.0001
   677        0.5274             nan     0.1036   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0281             nan     0.1079    0.0360
     2        0.9744             nan     0.1079    0.0279
     3        0.9311             nan     0.1079    0.0216
     4        0.8960             nan     0.1079    0.0173
     5        0.8667             nan     0.1079    0.0137
     6        0.8432             nan     0.1079    0.0118
     7        0.8216             nan     0.1079    0.0106
     8        0.8045             nan     0.1079    0.0083
     9        0.7868             nan     0.1079    0.0087
    10        0.7708             nan     0.1079    0.0078
    20        0.6853             nan     0.1079    0.0034
    40        0.6256             nan     0.1079    0.0009
    60        0.6034             nan     0.1079    0.0005
    80        0.5894             nan     0.1079    0.0001
   100        0.5815             nan     0.1079    0.0001
   120        0.5751             nan     0.1079   -0.0001
   140        0.5705             nan     0.1079   -0.0001
   160        0.5658             nan     0.1079    0.0001
   180        0.5614             nan     0.1079   -0.0000
   200        0.5577             nan     0.1079   -0.0000
   220        0.5552             nan     0.1079   -0.0001
   240        0.5524             nan     0.1079    0.0000
   260        0.5495             nan     0.1079   -0.0001
   280        0.5472             nan     0.1079   -0.0001
   300        0.5448             nan     0.1079   -0.0002
   320        0.5429             nan     0.1079   -0.0000
   340        0.5403             nan     0.1079   -0.0001
   360        0.5387             nan     0.1079   -0.0001
   380        0.5366             nan     0.1079   -0.0001
   400        0.5344             nan     0.1079   -0.0001
   419        0.5325             nan     0.1079   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0350             nan     0.1099    0.0329
     2        0.9821             nan     0.1099    0.0264
     3        0.9410             nan     0.1099    0.0212
     4        0.9062             nan     0.1099    0.0174
     5        0.8746             nan     0.1099    0.0154
     6        0.8521             nan     0.1099    0.0111
     7        0.8296             nan     0.1099    0.0113
     8        0.8132             nan     0.1099    0.0080
     9        0.7965             nan     0.1099    0.0085
    10        0.7841             nan     0.1099    0.0058
    20        0.7016             nan     0.1099    0.0027
    40        0.6372             nan     0.1099    0.0011
    60        0.6146             nan     0.1099    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0329             nan     0.1114    0.0340
     2        0.9785             nan     0.1114    0.0275
     3        0.9362             nan     0.1114    0.0205
     4        0.9028             nan     0.1114    0.0166
     5        0.8746             nan     0.1114    0.0141
     6        0.8489             nan     0.1114    0.0129
     7        0.8271             nan     0.1114    0.0109
     8        0.8110             nan     0.1114    0.0078
     9        0.7935             nan     0.1114    0.0087
    10        0.7781             nan     0.1114    0.0074
    20        0.6988             nan     0.1114    0.0024
    40        0.6381             nan     0.1114    0.0008
    60        0.6155             nan     0.1114    0.0001
    80        0.6023             nan     0.1114    0.0002
   100        0.5915             nan     0.1114    0.0000
   120        0.5842             nan     0.1114    0.0001
   140        0.5791             nan     0.1114   -0.0000
   160        0.5749             nan     0.1114    0.0002
   180        0.5718             nan     0.1114   -0.0000
   200        0.5683             nan     0.1114   -0.0001
   220        0.5655             nan     0.1114   -0.0001
   240        0.5635             nan     0.1114   -0.0001
   260        0.5611             nan     0.1114   -0.0000
   280        0.5595             nan     0.1114   -0.0001
   300        0.5576             nan     0.1114   -0.0001
   320        0.5555             nan     0.1114   -0.0000
   340        0.5539             nan     0.1114   -0.0001
   360        0.5521             nan     0.1114   -0.0001
   380        0.5504             nan     0.1114   -0.0001
   400        0.5491             nan     0.1114   -0.0001
   420        0.5478             nan     0.1114   -0.0001
   440        0.5464             nan     0.1114   -0.0001
   460        0.5450             nan     0.1114   -0.0000
   480        0.5440             nan     0.1114   -0.0000
   500        0.5425             nan     0.1114   -0.0001
   520        0.5412             nan     0.1114   -0.0001
   540        0.5400             nan     0.1114   -0.0001
   560        0.5387             nan     0.1114   -0.0001
   580        0.5374             nan     0.1114   -0.0001
   600        0.5363             nan     0.1114   -0.0001
   620        0.5349             nan     0.1114   -0.0001
   640        0.5342             nan     0.1114   -0.0001
   660        0.5332             nan     0.1114   -0.0000
   680        0.5325             nan     0.1114   -0.0001
   685        0.5322             nan     0.1114   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0575             nan     0.1122    0.0218
     2        1.0230             nan     0.1122    0.0171
     3        0.9967             nan     0.1122    0.0128
     4        0.9710             nan     0.1122    0.0132
     5        0.9538             nan     0.1122    0.0082
     6        0.9333             nan     0.1122    0.0104
     7        0.9153             nan     0.1122    0.0087
     8        0.8989             nan     0.1122    0.0082
     9        0.8877             nan     0.1122    0.0055
    10        0.8743             nan     0.1122    0.0064
    20        0.7916             nan     0.1122    0.0031
    40        0.7164             nan     0.1122    0.0015
    60        0.6764             nan     0.1122    0.0007
    80        0.6540             nan     0.1122    0.0004
   100        0.6405             nan     0.1122    0.0002
   120        0.6323             nan     0.1122    0.0002
   140        0.6251             nan     0.1122    0.0002
   160        0.6197             nan     0.1122    0.0001
   180        0.6144             nan     0.1122    0.0001
   200        0.6105             nan     0.1122    0.0000
   220        0.6076             nan     0.1122   -0.0000
   240        0.6047             nan     0.1122    0.0000
   260        0.6020             nan     0.1122   -0.0000
   280        0.5997             nan     0.1122   -0.0000
   300        0.5979             nan     0.1122   -0.0000
   320        0.5961             nan     0.1122    0.0000
   340        0.5946             nan     0.1122   -0.0001
   360        0.5931             nan     0.1122   -0.0001
   380        0.5916             nan     0.1122   -0.0000
   400        0.5903             nan     0.1122   -0.0001
   420        0.5892             nan     0.1122   -0.0001
   440        0.5885             nan     0.1122   -0.0001
   460        0.5871             nan     0.1122   -0.0000
   480        0.5863             nan     0.1122   -0.0000
   500        0.5855             nan     0.1122   -0.0000
   520        0.5850             nan     0.1122   -0.0000
   540        0.5844             nan     0.1122   -0.0000
   560        0.5837             nan     0.1122    0.0000
   580        0.5829             nan     0.1122    0.0000
   600        0.5825             nan     0.1122   -0.0000
   615        0.5820             nan     0.1122   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0358             nan     0.1211    0.0318
     2        0.9874             nan     0.1211    0.0238
     3        0.9497             nan     0.1211    0.0187
     4        0.9119             nan     0.1211    0.0187
     5        0.8824             nan     0.1211    0.0144
     6        0.8614             nan     0.1211    0.0099
     7        0.8418             nan     0.1211    0.0099
     8        0.8260             nan     0.1211    0.0077
     9        0.8098             nan     0.1211    0.0082
    10        0.7972             nan     0.1211    0.0061
    20        0.7149             nan     0.1211    0.0026
    40        0.6528             nan     0.1211    0.0013
    60        0.6295             nan     0.1211    0.0002
    80        0.6160             nan     0.1211    0.0001
   100        0.6067             nan     0.1211    0.0002
   120        0.5988             nan     0.1211    0.0001
   140        0.5932             nan     0.1211    0.0000
   160        0.5890             nan     0.1211    0.0002
   180        0.5854             nan     0.1211    0.0000
   200        0.5820             nan     0.1211   -0.0001
   220        0.5793             nan     0.1211   -0.0001
   240        0.5772             nan     0.1211   -0.0000
   260        0.5749             nan     0.1211   -0.0000
   280        0.5725             nan     0.1211   -0.0001
   300        0.5702             nan     0.1211   -0.0001
   320        0.5678             nan     0.1211   -0.0001
   340        0.5662             nan     0.1211   -0.0000
   360        0.5640             nan     0.1211   -0.0001
   380        0.5628             nan     0.1211   -0.0001
   400        0.5618             nan     0.1211   -0.0001
   420        0.5605             nan     0.1211   -0.0001
   440        0.5596             nan     0.1211   -0.0000
   460        0.5582             nan     0.1211   -0.0001
   480        0.5568             nan     0.1211   -0.0000
   500        0.5560             nan     0.1211   -0.0001
   520        0.5552             nan     0.1211   -0.0001
   540        0.5539             nan     0.1211   -0.0001
   560        0.5530             nan     0.1211   -0.0000
   580        0.5522             nan     0.1211   -0.0001
   600        0.5508             nan     0.1211   -0.0001
   620        0.5499             nan     0.1211   -0.0001
   640        0.5493             nan     0.1211   -0.0000
   660        0.5484             nan     0.1211   -0.0000
   680        0.5478             nan     0.1211   -0.0001
   700        0.5473             nan     0.1211   -0.0001
   720        0.5467             nan     0.1211   -0.0001
   740        0.5459             nan     0.1211   -0.0000
   760        0.5453             nan     0.1211   -0.0001
   780        0.5446             nan     0.1211   -0.0000
   800        0.5441             nan     0.1211   -0.0001
   820        0.5436             nan     0.1211   -0.0001
   840        0.5433             nan     0.1211   -0.0000
   848        0.5432             nan     0.1211   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0102             nan     0.1273    0.0453
     2        0.9473             nan     0.1273    0.0313
     3        0.8996             nan     0.1273    0.0231
     4        0.8617             nan     0.1273    0.0189
     5        0.8328             nan     0.1273    0.0146
     6        0.8083             nan     0.1273    0.0120
     7        0.7859             nan     0.1273    0.0109
     8        0.7673             nan     0.1273    0.0093
     9        0.7497             nan     0.1273    0.0088
    10        0.7357             nan     0.1273    0.0069
    20        0.6580             nan     0.1273    0.0020
    40        0.6094             nan     0.1273    0.0003
    60        0.5880             nan     0.1273    0.0001
    80        0.5763             nan     0.1273    0.0000
   100        0.5682             nan     0.1273   -0.0000
   120        0.5613             nan     0.1273   -0.0000
   140        0.5560             nan     0.1273   -0.0000
   160        0.5509             nan     0.1273   -0.0000
   180        0.5469             nan     0.1273   -0.0001
   200        0.5432             nan     0.1273   -0.0001
   220        0.5397             nan     0.1273   -0.0000
   240        0.5365             nan     0.1273   -0.0001
   260        0.5341             nan     0.1273   -0.0002
   280        0.5317             nan     0.1273   -0.0001
   300        0.5292             nan     0.1273   -0.0002
   320        0.5263             nan     0.1273   -0.0001
   340        0.5236             nan     0.1273   -0.0001
   360        0.5216             nan     0.1273   -0.0001
   380        0.5196             nan     0.1273   -0.0001
   400        0.5177             nan     0.1273   -0.0001
   420        0.5159             nan     0.1273   -0.0001
   440        0.5136             nan     0.1273   -0.0002
   460        0.5121             nan     0.1273   -0.0001
   480        0.5105             nan     0.1273   -0.0002
   500        0.5090             nan     0.1273   -0.0001
   520        0.5072             nan     0.1273   -0.0001
   540        0.5058             nan     0.1273   -0.0002
   560        0.5043             nan     0.1273   -0.0002
   580        0.5026             nan     0.1273   -0.0002
   600        0.5007             nan     0.1273   -0.0002
   620        0.4990             nan     0.1273   -0.0001
   638        0.4978             nan     0.1273   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0256             nan     0.1282    0.0387
     2        0.9665             nan     0.1282    0.0297
     3        0.9211             nan     0.1282    0.0227
     4        0.8849             nan     0.1282    0.0182
     5        0.8574             nan     0.1282    0.0139
     6        0.8330             nan     0.1282    0.0123
     7        0.8116             nan     0.1282    0.0108
     8        0.7933             nan     0.1282    0.0091
     9        0.7799             nan     0.1282    0.0063
    10        0.7665             nan     0.1282    0.0067
    20        0.6865             nan     0.1282    0.0023
    40        0.6287             nan     0.1282    0.0008
    60        0.6077             nan     0.1282    0.0003
    80        0.5955             nan     0.1282    0.0000
   100        0.5876             nan     0.1282    0.0001
   120        0.5808             nan     0.1282    0.0000
   140        0.5763             nan     0.1282    0.0000
   156        0.5731             nan     0.1282   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0136             nan     0.1284    0.0436
     2        0.9528             nan     0.1284    0.0297
     3        0.9060             nan     0.1284    0.0227
     4        0.8686             nan     0.1284    0.0187
     5        0.8408             nan     0.1284    0.0138
     6        0.8162             nan     0.1284    0.0125
     7        0.7971             nan     0.1284    0.0094
     8        0.7780             nan     0.1284    0.0090
     9        0.7629             nan     0.1284    0.0071
    10        0.7482             nan     0.1284    0.0072
    20        0.6683             nan     0.1284    0.0027
    40        0.6178             nan     0.1284    0.0005
    60        0.5976             nan     0.1284    0.0003
    80        0.5859             nan     0.1284    0.0000
   100        0.5782             nan     0.1284    0.0000
   120        0.5723             nan     0.1284   -0.0000
   140        0.5677             nan     0.1284   -0.0001
   160        0.5635             nan     0.1284   -0.0001
   180        0.5601             nan     0.1284   -0.0001
   200        0.5566             nan     0.1284   -0.0001
   220        0.5535             nan     0.1284   -0.0001
   240        0.5509             nan     0.1284   -0.0001
   260        0.5483             nan     0.1284   -0.0001
   280        0.5454             nan     0.1284    0.0001
   300        0.5429             nan     0.1284   -0.0000
   320        0.5402             nan     0.1284   -0.0000
   340        0.5383             nan     0.1284   -0.0001
   360        0.5364             nan     0.1284   -0.0001
   380        0.5346             nan     0.1284   -0.0002
   400        0.5329             nan     0.1284   -0.0001
   420        0.5310             nan     0.1284   -0.0001
   440        0.5295             nan     0.1284   -0.0000
   460        0.5277             nan     0.1284   -0.0001
   480        0.5260             nan     0.1284   -0.0001
   500        0.5244             nan     0.1284   -0.0001
   520        0.5223             nan     0.1284   -0.0002
   540        0.5212             nan     0.1284   -0.0001
   560        0.5199             nan     0.1284   -0.0002
   580        0.5183             nan     0.1284   -0.0002
   600        0.5169             nan     0.1284   -0.0001
   620        0.5151             nan     0.1284   -0.0001
   640        0.5141             nan     0.1284   -0.0001
   660        0.5128             nan     0.1284   -0.0002
   680        0.5119             nan     0.1284   -0.0001
   700        0.5107             nan     0.1284   -0.0001
   720        0.5096             nan     0.1284   -0.0001
   740        0.5081             nan     0.1284   -0.0001
   746        0.5076             nan     0.1284   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0110             nan     0.1297    0.0446
     2        0.9448             nan     0.1297    0.0327
     3        0.8972             nan     0.1297    0.0237
     4        0.8605             nan     0.1297    0.0180
     5        0.8312             nan     0.1297    0.0148
     6        0.8071             nan     0.1297    0.0116
     7        0.7868             nan     0.1297    0.0098
     8        0.7679             nan     0.1297    0.0095
     9        0.7500             nan     0.1297    0.0088
    10        0.7373             nan     0.1297    0.0059
    20        0.6554             nan     0.1297    0.0025
    40        0.6035             nan     0.1297    0.0008
    60        0.5839             nan     0.1297    0.0002
    80        0.5733             nan     0.1297   -0.0001
   100        0.5650             nan     0.1297    0.0000
   120        0.5595             nan     0.1297   -0.0000
   140        0.5529             nan     0.1297   -0.0001
   160        0.5489             nan     0.1297    0.0000
   180        0.5446             nan     0.1297   -0.0001
   200        0.5400             nan     0.1297   -0.0001
   220        0.5364             nan     0.1297   -0.0001
   240        0.5327             nan     0.1297   -0.0000
   260        0.5291             nan     0.1297   -0.0001
   280        0.5260             nan     0.1297   -0.0000
   300        0.5233             nan     0.1297   -0.0001
   320        0.5207             nan     0.1297   -0.0001
   340        0.5182             nan     0.1297    0.0001
   360        0.5158             nan     0.1297   -0.0001
   380        0.5138             nan     0.1297   -0.0001
   400        0.5117             nan     0.1297   -0.0001
   420        0.5091             nan     0.1297   -0.0001
   440        0.5069             nan     0.1297   -0.0001
   460        0.5046             nan     0.1297   -0.0001
   480        0.5029             nan     0.1297   -0.0001
   500        0.5010             nan     0.1297   -0.0002
   509        0.4999             nan     0.1297   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0313             nan     0.1319    0.0342
     2        0.9801             nan     0.1319    0.0265
     3        0.9403             nan     0.1319    0.0201
     4        0.9008             nan     0.1319    0.0199
     5        0.8710             nan     0.1319    0.0149
     6        0.8518             nan     0.1319    0.0096
     7        0.8335             nan     0.1319    0.0090
     8        0.8147             nan     0.1319    0.0096
     9        0.7990             nan     0.1319    0.0078
    10        0.7886             nan     0.1319    0.0052
    20        0.7087             nan     0.1319    0.0026
    40        0.6450             nan     0.1319    0.0004
    60        0.6224             nan     0.1319    0.0002
    80        0.6110             nan     0.1319    0.0002
   100        0.6017             nan     0.1319    0.0000
   120        0.5956             nan     0.1319   -0.0000
   140        0.5891             nan     0.1319    0.0000
   160        0.5856             nan     0.1319   -0.0001
   180        0.5826             nan     0.1319   -0.0000
   200        0.5794             nan     0.1319   -0.0000
   220        0.5767             nan     0.1319   -0.0000
   240        0.5743             nan     0.1319    0.0002
   260        0.5724             nan     0.1319    0.0000
   280        0.5706             nan     0.1319   -0.0000
   300        0.5689             nan     0.1319   -0.0001
   320        0.5670             nan     0.1319    0.0000
   340        0.5654             nan     0.1319    0.0000
   360        0.5639             nan     0.1319   -0.0000
   380        0.5629             nan     0.1319   -0.0001
   400        0.5622             nan     0.1319   -0.0001
   420        0.5607             nan     0.1319   -0.0001
   440        0.5597             nan     0.1319   -0.0000
   460        0.5581             nan     0.1319   -0.0001
   480        0.5566             nan     0.1319   -0.0001
   500        0.5556             nan     0.1319   -0.0001
   520        0.5544             nan     0.1319   -0.0001
   540        0.5532             nan     0.1319   -0.0001
   560        0.5524             nan     0.1319   -0.0001
   580        0.5514             nan     0.1319   -0.0001
   600        0.5505             nan     0.1319   -0.0001
   620        0.5495             nan     0.1319   -0.0001
   640        0.5488             nan     0.1319   -0.0000
   660        0.5478             nan     0.1319   -0.0001
   680        0.5472             nan     0.1319   -0.0001
   700        0.5464             nan     0.1319   -0.0001
   720        0.5455             nan     0.1319   -0.0001
   740        0.5447             nan     0.1319   -0.0001
   760        0.5442             nan     0.1319   -0.0001
   780        0.5432             nan     0.1319   -0.0001
   797        0.5421             nan     0.1319    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0300             nan     0.1323    0.0340
     2        0.9782             nan     0.1323    0.0253
     3        0.9383             nan     0.1323    0.0197
     4        0.8995             nan     0.1323    0.0194
     5        0.8698             nan     0.1323    0.0149
     6        0.8481             nan     0.1323    0.0107
     7        0.8293             nan     0.1323    0.0092
     8        0.8107             nan     0.1323    0.0090
     9        0.7983             nan     0.1323    0.0062
    10        0.7882             nan     0.1323    0.0051
    20        0.7058             nan     0.1323    0.0027
    40        0.6475             nan     0.1323    0.0009
    60        0.6228             nan     0.1323    0.0004
    80        0.6091             nan     0.1323    0.0003
   100        0.5999             nan     0.1323    0.0004
   120        0.5938             nan     0.1323   -0.0000
   140        0.5884             nan     0.1323   -0.0000
   160        0.5842             nan     0.1323   -0.0000
   180        0.5805             nan     0.1323    0.0001
   200        0.5773             nan     0.1323    0.0000
   220        0.5746             nan     0.1323   -0.0001
   240        0.5717             nan     0.1323    0.0000
   260        0.5686             nan     0.1323   -0.0001
   280        0.5663             nan     0.1323   -0.0000
   300        0.5645             nan     0.1323   -0.0001
   320        0.5620             nan     0.1323   -0.0000
   340        0.5603             nan     0.1323   -0.0000
   360        0.5585             nan     0.1323   -0.0001
   380        0.5568             nan     0.1323   -0.0001
   400        0.5555             nan     0.1323    0.0001
   420        0.5538             nan     0.1323   -0.0001
   440        0.5523             nan     0.1323   -0.0001
   460        0.5513             nan     0.1323   -0.0001
   480        0.5498             nan     0.1323   -0.0001
   500        0.5489             nan     0.1323   -0.0001
   520        0.5480             nan     0.1323   -0.0001
   540        0.5471             nan     0.1323   -0.0001
   560        0.5463             nan     0.1323   -0.0000
   580        0.5451             nan     0.1323   -0.0001
   600        0.5437             nan     0.1323   -0.0000
   620        0.5420             nan     0.1323   -0.0001
   640        0.5407             nan     0.1323   -0.0000
   660        0.5399             nan     0.1323   -0.0001
   680        0.5392             nan     0.1323   -0.0001
   700        0.5382             nan     0.1323   -0.0001
   720        0.5370             nan     0.1323   -0.0000
   740        0.5361             nan     0.1323   -0.0001
   760        0.5349             nan     0.1323    0.0000
   780        0.5342             nan     0.1323   -0.0001
   800        0.5329             nan     0.1323   -0.0001
   820        0.5322             nan     0.1323   -0.0000
   840        0.5312             nan     0.1323   -0.0001
   860        0.5300             nan     0.1323   -0.0000
   880        0.5291             nan     0.1323   -0.0001
   900        0.5285             nan     0.1323   -0.0001
   920        0.5277             nan     0.1323   -0.0001
   940        0.5270             nan     0.1323   -0.0001
   960        0.5257             nan     0.1323   -0.0000
   980        0.5244             nan     0.1323   -0.0001
   981        0.5244             nan     0.1323   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0301             nan     0.1371    0.0360
     2        0.9773             nan     0.1371    0.0264
     3        0.9370             nan     0.1371    0.0203
     4        0.8967             nan     0.1371    0.0198
     5        0.8662             nan     0.1371    0.0149
     6        0.8460             nan     0.1371    0.0100
     7        0.8251             nan     0.1371    0.0107
     8        0.8093             nan     0.1371    0.0077
     9        0.7969             nan     0.1371    0.0062
    10        0.7853             nan     0.1371    0.0055
    20        0.7037             nan     0.1371    0.0025
    40        0.6428             nan     0.1371    0.0005
    60        0.6218             nan     0.1371    0.0002
    80        0.6089             nan     0.1371   -0.0001
   100        0.6006             nan     0.1371    0.0001
   120        0.5934             nan     0.1371    0.0001
   140        0.5877             nan     0.1371   -0.0000
   160        0.5839             nan     0.1371    0.0000
   180        0.5804             nan     0.1371   -0.0001
   200        0.5771             nan     0.1371   -0.0001
   220        0.5735             nan     0.1371   -0.0001
   240        0.5710             nan     0.1371   -0.0000
   260        0.5689             nan     0.1371   -0.0000
   280        0.5672             nan     0.1371   -0.0001
   300        0.5648             nan     0.1371   -0.0001
   320        0.5630             nan     0.1371   -0.0001
   340        0.5600             nan     0.1371   -0.0001
   360        0.5577             nan     0.1371   -0.0000
   380        0.5564             nan     0.1371   -0.0001
   400        0.5548             nan     0.1371   -0.0001
   420        0.5535             nan     0.1371   -0.0001
   440        0.5515             nan     0.1371    0.0004
   460        0.5498             nan     0.1371   -0.0000
   480        0.5476             nan     0.1371    0.0002
   500        0.5466             nan     0.1371   -0.0000
   520        0.5456             nan     0.1371   -0.0001
   540        0.5443             nan     0.1371   -0.0001
   560        0.5433             nan     0.1371   -0.0001
   580        0.5422             nan     0.1371   -0.0001
   593        0.5412             nan     0.1371   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0060             nan     0.1425    0.0480
     2        0.9428             nan     0.1425    0.0320
     3        0.8932             nan     0.1425    0.0240
     4        0.8545             nan     0.1425    0.0189
     5        0.8250             nan     0.1425    0.0146
     6        0.8012             nan     0.1425    0.0118
     7        0.7792             nan     0.1425    0.0109
     8        0.7609             nan     0.1425    0.0091
     9        0.7445             nan     0.1425    0.0080
    10        0.7310             nan     0.1425    0.0065
    20        0.6607             nan     0.1425    0.0023
    40        0.6110             nan     0.1425    0.0005
    60        0.5894             nan     0.1425    0.0001
    80        0.5769             nan     0.1425   -0.0001
   100        0.5684             nan     0.1425   -0.0000
   120        0.5626             nan     0.1425   -0.0000
   140        0.5585             nan     0.1425   -0.0001
   160        0.5531             nan     0.1425   -0.0000
   180        0.5479             nan     0.1425   -0.0002
   200        0.5443             nan     0.1425   -0.0001
   220        0.5409             nan     0.1425   -0.0002
   240        0.5376             nan     0.1425   -0.0001
   260        0.5341             nan     0.1425   -0.0002
   280        0.5295             nan     0.1425   -0.0001
   300        0.5271             nan     0.1425   -0.0001
   320        0.5243             nan     0.1425   -0.0001
   340        0.5216             nan     0.1425   -0.0002
   360        0.5188             nan     0.1425   -0.0001
   380        0.5161             nan     0.1425   -0.0002
   400        0.5137             nan     0.1425   -0.0001
   420        0.5114             nan     0.1425   -0.0001
   440        0.5095             nan     0.1425   -0.0000
   460        0.5074             nan     0.1425   -0.0002
   480        0.5053             nan     0.1425   -0.0002
   500        0.5035             nan     0.1425   -0.0001
   520        0.5012             nan     0.1425   -0.0000
   540        0.4992             nan     0.1425   -0.0001
   560        0.4977             nan     0.1425   -0.0001
   580        0.4958             nan     0.1425   -0.0001
   600        0.4941             nan     0.1425   -0.0002
   620        0.4918             nan     0.1425   -0.0001
   640        0.4903             nan     0.1425   -0.0002
   660        0.4885             nan     0.1425   -0.0001
   680        0.4869             nan     0.1425   -0.0001
   700        0.4853             nan     0.1425   -0.0001
   720        0.4837             nan     0.1425   -0.0000
   740        0.4820             nan     0.1425   -0.0001
   760        0.4804             nan     0.1425   -0.0001
   780        0.4787             nan     0.1425   -0.0001
   800        0.4772             nan     0.1425   -0.0001
   820        0.4758             nan     0.1425   -0.0001
   831        0.4749             nan     0.1425   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9997             nan     0.1438    0.0497
     2        0.9331             nan     0.1438    0.0330
     3        0.8845             nan     0.1438    0.0246
     4        0.8471             nan     0.1438    0.0185
     5        0.8167             nan     0.1438    0.0147
     6        0.7923             nan     0.1438    0.0119
     7        0.7711             nan     0.1438    0.0106
     8        0.7519             nan     0.1438    0.0094
     9        0.7382             nan     0.1438    0.0065
    10        0.7249             nan     0.1438    0.0066
    20        0.6490             nan     0.1438    0.0017
    40        0.6009             nan     0.1438    0.0002
    60        0.5831             nan     0.1438    0.0002
    80        0.5722             nan     0.1438    0.0000
   100        0.5642             nan     0.1438   -0.0000
   120        0.5594             nan     0.1438   -0.0002
   140        0.5544             nan     0.1438   -0.0000
   160        0.5492             nan     0.1438   -0.0000
   180        0.5449             nan     0.1438   -0.0002
   200        0.5415             nan     0.1438   -0.0002
   220        0.5377             nan     0.1438   -0.0001
   240        0.5348             nan     0.1438   -0.0002
   259        0.5314             nan     0.1438   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0021             nan     0.1455    0.0478
     2        0.9369             nan     0.1455    0.0326
     3        0.8885             nan     0.1455    0.0245
     4        0.8535             nan     0.1455    0.0178
     5        0.8255             nan     0.1455    0.0140
     6        0.8036             nan     0.1455    0.0104
     7        0.7804             nan     0.1455    0.0110
     8        0.7626             nan     0.1455    0.0087
     9        0.7441             nan     0.1455    0.0089
    10        0.7315             nan     0.1455    0.0061
    20        0.6571             nan     0.1455    0.0026
    40        0.6080             nan     0.1455    0.0008
    60        0.5870             nan     0.1455    0.0002
    80        0.5758             nan     0.1455    0.0003
   100        0.5672             nan     0.1455   -0.0001
   108        0.5631             nan     0.1455    0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0246             nan     0.1479    0.0387
     2        0.9699             nan     0.1479    0.0275
     3        0.9278             nan     0.1479    0.0209
     4        0.8875             nan     0.1479    0.0200
     5        0.8570             nan     0.1479    0.0153
     6        0.8341             nan     0.1479    0.0113
     7        0.8161             nan     0.1479    0.0089
     8        0.7977             nan     0.1479    0.0088
     9        0.7851             nan     0.1479    0.0059
    10        0.7724             nan     0.1479    0.0058
    20        0.6951             nan     0.1479    0.0021
    40        0.6390             nan     0.1479    0.0004
    60        0.6180             nan     0.1479    0.0002
    80        0.6039             nan     0.1479    0.0001
   100        0.5957             nan     0.1479    0.0003
   120        0.5887             nan     0.1479   -0.0000
   140        0.5837             nan     0.1479    0.0000
   160        0.5791             nan     0.1479   -0.0000
   180        0.5754             nan     0.1479   -0.0001
   200        0.5717             nan     0.1479    0.0000
   220        0.5689             nan     0.1479    0.0000
   240        0.5665             nan     0.1479   -0.0001
   260        0.5641             nan     0.1479    0.0001
   280        0.5618             nan     0.1479    0.0001
   300        0.5600             nan     0.1479   -0.0001
   320        0.5580             nan     0.1479   -0.0001
   340        0.5560             nan     0.1479   -0.0000
   360        0.5544             nan     0.1479   -0.0001
   380        0.5530             nan     0.1479   -0.0000
   400        0.5510             nan     0.1479   -0.0001
   420        0.5498             nan     0.1479   -0.0001
   440        0.5486             nan     0.1479   -0.0001
   460        0.5467             nan     0.1479   -0.0000
   480        0.5450             nan     0.1479   -0.0001
   500        0.5430             nan     0.1479   -0.0000
   520        0.5420             nan     0.1479   -0.0001
   540        0.5410             nan     0.1479   -0.0001
   560        0.5398             nan     0.1479   -0.0000
   580        0.5387             nan     0.1479   -0.0000
   600        0.5375             nan     0.1479   -0.0001
   620        0.5362             nan     0.1479   -0.0000
   640        0.5350             nan     0.1479   -0.0002
   660        0.5340             nan     0.1479   -0.0001
   680        0.5325             nan     0.1479   -0.0001
   700        0.5317             nan     0.1479   -0.0001
   720        0.5305             nan     0.1479   -0.0001
   740        0.5295             nan     0.1479   -0.0001
   760        0.5286             nan     0.1479   -0.0001
   780        0.5273             nan     0.1479   -0.0001
   800        0.5262             nan     0.1479   -0.0001
   820        0.5255             nan     0.1479   -0.0000
   840        0.5247             nan     0.1479   -0.0002
   860        0.5239             nan     0.1479   -0.0001
   880        0.5231             nan     0.1479   -0.0001
   900        0.5223             nan     0.1479   -0.0001
   920        0.5213             nan     0.1479   -0.0000
   940        0.5202             nan     0.1479   -0.0000
   960        0.5191             nan     0.1479   -0.0001
   980        0.5182             nan     0.1479   -0.0001
   986        0.5180             nan     0.1479   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9971             nan     0.1486    0.0513
     2        0.9251             nan     0.1486    0.0355
     3        0.8765             nan     0.1486    0.0240
     4        0.8389             nan     0.1486    0.0185
     5        0.8098             nan     0.1486    0.0146
     6        0.7870             nan     0.1486    0.0111
     7        0.7660             nan     0.1486    0.0101
     8        0.7504             nan     0.1486    0.0075
     9        0.7337             nan     0.1486    0.0079
    10        0.7210             nan     0.1486    0.0062
    20        0.6435             nan     0.1486    0.0022
    40        0.5997             nan     0.1486    0.0000
    60        0.5813             nan     0.1486    0.0001
    80        0.5704             nan     0.1486   -0.0001
   100        0.5623             nan     0.1486   -0.0001
   120        0.5565             nan     0.1486   -0.0001
   140        0.5513             nan     0.1486    0.0001
   160        0.5462             nan     0.1486   -0.0002
   180        0.5418             nan     0.1486   -0.0001
   200        0.5385             nan     0.1486   -0.0002
   220        0.5347             nan     0.1486   -0.0001
   240        0.5316             nan     0.1486   -0.0002
   260        0.5276             nan     0.1486   -0.0002
   280        0.5251             nan     0.1486   -0.0001
   300        0.5223             nan     0.1486   -0.0001
   320        0.5196             nan     0.1486   -0.0002
   340        0.5175             nan     0.1486   -0.0001
   360        0.5152             nan     0.1486   -0.0001
   380        0.5127             nan     0.1486   -0.0001
   400        0.5099             nan     0.1486   -0.0001
   420        0.5075             nan     0.1486   -0.0000
   440        0.5052             nan     0.1486   -0.0001
   460        0.5029             nan     0.1486   -0.0001
   480        0.5012             nan     0.1486   -0.0002
   500        0.4994             nan     0.1486   -0.0002
   520        0.4972             nan     0.1486   -0.0003
   540        0.4952             nan     0.1486   -0.0002
   560        0.4936             nan     0.1486   -0.0001
   580        0.4921             nan     0.1486   -0.0001
   600        0.4905             nan     0.1486   -0.0000
   620        0.4892             nan     0.1486   -0.0001
   640        0.4875             nan     0.1486   -0.0002
   660        0.4859             nan     0.1486   -0.0001
   680        0.4844             nan     0.1486   -0.0002
   700        0.4825             nan     0.1486   -0.0002
   720        0.4808             nan     0.1486   -0.0001
   740        0.4787             nan     0.1486   -0.0001
   760        0.4772             nan     0.1486   -0.0001
   780        0.4753             nan     0.1486   -0.0002
   800        0.4734             nan     0.1486   -0.0001
   820        0.4719             nan     0.1486   -0.0002
   840        0.4704             nan     0.1486   -0.0001
   860        0.4689             nan     0.1486   -0.0002
   880        0.4676             nan     0.1486   -0.0001
   900        0.4664             nan     0.1486   -0.0001
   920        0.4649             nan     0.1486   -0.0001
   940        0.4634             nan     0.1486   -0.0001
   957        0.4624             nan     0.1486   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9997             nan     0.1502    0.0498
     2        0.9339             nan     0.1502    0.0331
     3        0.8849             nan     0.1502    0.0241
     4        0.8487             nan     0.1502    0.0178
     5        0.8180             nan     0.1502    0.0154
     6        0.7944             nan     0.1502    0.0113
     7        0.7756             nan     0.1502    0.0092
     8        0.7582             nan     0.1502    0.0083
     9        0.7424             nan     0.1502    0.0077
    10        0.7293             nan     0.1502    0.0060
    20        0.6558             nan     0.1502    0.0026
    40        0.6073             nan     0.1502    0.0006
    60        0.5895             nan     0.1502    0.0001
    80        0.5785             nan     0.1502    0.0000
   100        0.5697             nan     0.1502   -0.0001
   120        0.5637             nan     0.1502   -0.0001
   140        0.5592             nan     0.1502    0.0001
   160        0.5540             nan     0.1502   -0.0001
   180        0.5502             nan     0.1502   -0.0000
   200        0.5467             nan     0.1502   -0.0001
   220        0.5429             nan     0.1502   -0.0000
   240        0.5402             nan     0.1502   -0.0002
   260        0.5377             nan     0.1502   -0.0001
   280        0.5349             nan     0.1502   -0.0000
   300        0.5327             nan     0.1502   -0.0002
   320        0.5308             nan     0.1502   -0.0001
   340        0.5282             nan     0.1502   -0.0002
   360        0.5263             nan     0.1502   -0.0001
   380        0.5246             nan     0.1502   -0.0001
   400        0.5224             nan     0.1502   -0.0002
   420        0.5203             nan     0.1502   -0.0001
   440        0.5189             nan     0.1502   -0.0001
   460        0.5173             nan     0.1502   -0.0001
   480        0.5154             nan     0.1502   -0.0001
   500        0.5140             nan     0.1502   -0.0002
   520        0.5125             nan     0.1502   -0.0001
   540        0.5112             nan     0.1502   -0.0002
   560        0.5097             nan     0.1502   -0.0001
   580        0.5083             nan     0.1502   -0.0000
   600        0.5070             nan     0.1502   -0.0002
   620        0.5054             nan     0.1502   -0.0002
   640        0.5040             nan     0.1502   -0.0002
   660        0.5027             nan     0.1502   -0.0002
   680        0.5014             nan     0.1502   -0.0001
   689        0.5008             nan     0.1502   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9967             nan     0.1546    0.0511
     2        0.9309             nan     0.1546    0.0327
     3        0.8802             nan     0.1546    0.0256
     4        0.8444             nan     0.1546    0.0174
     5        0.8160             nan     0.1546    0.0139
     6        0.7917             nan     0.1546    0.0125
     7        0.7683             nan     0.1546    0.0112
     8        0.7499             nan     0.1546    0.0090
     9        0.7330             nan     0.1546    0.0079
    10        0.7217             nan     0.1546    0.0057
    20        0.6511             nan     0.1546    0.0018
    40        0.6033             nan     0.1546    0.0003
    60        0.5838             nan     0.1546    0.0000
    80        0.5727             nan     0.1546   -0.0000
   100        0.5649             nan     0.1546   -0.0000
   120        0.5584             nan     0.1546    0.0001
   140        0.5504             nan     0.1546   -0.0000
   160        0.5463             nan     0.1546   -0.0001
   180        0.5418             nan     0.1546   -0.0002
   200        0.5366             nan     0.1546   -0.0001
   220        0.5332             nan     0.1546   -0.0001
   240        0.5299             nan     0.1546   -0.0000
   260        0.5270             nan     0.1546   -0.0002
   280        0.5233             nan     0.1546   -0.0001
   300        0.5202             nan     0.1546   -0.0001
   320        0.5176             nan     0.1546   -0.0001
   340        0.5147             nan     0.1546   -0.0002
   347        0.5137             nan     0.1546   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9960             nan     0.1561    0.0515
     2        0.9292             nan     0.1561    0.0338
     3        0.8799             nan     0.1561    0.0241
     4        0.8440             nan     0.1561    0.0178
     5        0.8156             nan     0.1561    0.0139
     6        0.7892             nan     0.1561    0.0135
     7        0.7690             nan     0.1561    0.0097
     8        0.7522             nan     0.1561    0.0081
     9        0.7358             nan     0.1561    0.0082
    10        0.7224             nan     0.1561    0.0064
    20        0.6505             nan     0.1561    0.0016
    40        0.6046             nan     0.1561    0.0002
    60        0.5859             nan     0.1561    0.0001
    80        0.5740             nan     0.1561    0.0002
   100        0.5678             nan     0.1561    0.0001
   120        0.5603             nan     0.1561   -0.0001
   140        0.5562             nan     0.1561   -0.0000
   160        0.5505             nan     0.1561   -0.0001
   180        0.5456             nan     0.1561   -0.0000
   200        0.5415             nan     0.1561   -0.0002
   220        0.5374             nan     0.1561   -0.0002
   240        0.5338             nan     0.1561   -0.0000
   260        0.5310             nan     0.1561   -0.0002
   280        0.5284             nan     0.1561   -0.0001
   300        0.5254             nan     0.1561   -0.0001
   302        0.5251             nan     0.1561   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0071             nan     0.1572    0.0468
     2        0.9381             nan     0.1572    0.0341
     3        0.8907             nan     0.1572    0.0226
     4        0.8542             nan     0.1572    0.0179
     5        0.8232             nan     0.1572    0.0158
     6        0.7991             nan     0.1572    0.0122
     7        0.7814             nan     0.1572    0.0085
     8        0.7679             nan     0.1572    0.0063
     9        0.7522             nan     0.1572    0.0076
    10        0.7395             nan     0.1572    0.0063
    20        0.6627             nan     0.1572    0.0022
    40        0.6190             nan     0.1572    0.0006
    60        0.6006             nan     0.1572    0.0001
    80        0.5899             nan     0.1572   -0.0001
   100        0.5833             nan     0.1572   -0.0001
   120        0.5776             nan     0.1572   -0.0000
   140        0.5730             nan     0.1572   -0.0001
   160        0.5688             nan     0.1572   -0.0000
   180        0.5659             nan     0.1572   -0.0002
   200        0.5637             nan     0.1572   -0.0001
   220        0.5612             nan     0.1572   -0.0002
   240        0.5593             nan     0.1572   -0.0002
   260        0.5570             nan     0.1572   -0.0001
   280        0.5544             nan     0.1572   -0.0001
   300        0.5522             nan     0.1572   -0.0002
   320        0.5500             nan     0.1572   -0.0001
   340        0.5478             nan     0.1572   -0.0001
   360        0.5463             nan     0.1572   -0.0001
   380        0.5444             nan     0.1572   -0.0001
   400        0.5429             nan     0.1572   -0.0002
   404        0.5425             nan     0.1572   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0058             nan     0.1580    0.0464
     2        0.9375             nan     0.1580    0.0345
     3        0.8921             nan     0.1580    0.0228
     4        0.8548             nan     0.1580    0.0186
     5        0.8234             nan     0.1580    0.0154
     6        0.7985             nan     0.1580    0.0123
     7        0.7787             nan     0.1580    0.0095
     8        0.7628             nan     0.1580    0.0078
     9        0.7479             nan     0.1580    0.0073
    10        0.7361             nan     0.1580    0.0056
    20        0.6592             nan     0.1580    0.0021
    40        0.6154             nan     0.1580    0.0005
    60        0.5967             nan     0.1580   -0.0001
    80        0.5858             nan     0.1580    0.0000
   100        0.5783             nan     0.1580   -0.0001
   120        0.5738             nan     0.1580   -0.0001
   140        0.5680             nan     0.1580    0.0003
   160        0.5648             nan     0.1580   -0.0000
   180        0.5605             nan     0.1580    0.0001
   200        0.5577             nan     0.1580   -0.0000
   220        0.5552             nan     0.1580   -0.0000
   240        0.5519             nan     0.1580   -0.0001
   260        0.5495             nan     0.1580   -0.0001
   280        0.5474             nan     0.1580   -0.0000
   300        0.5454             nan     0.1580    0.0001
   320        0.5433             nan     0.1580   -0.0000
   340        0.5420             nan     0.1580   -0.0001
   360        0.5406             nan     0.1580   -0.0001
   380        0.5389             nan     0.1580    0.0000
   400        0.5374             nan     0.1580   -0.0001
   420        0.5362             nan     0.1580   -0.0001
   440        0.5351             nan     0.1580   -0.0002
   460        0.5333             nan     0.1580    0.0000
   480        0.5316             nan     0.1580   -0.0001
   500        0.5306             nan     0.1580   -0.0001
   514        0.5296             nan     0.1580   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0057             nan     0.1589    0.0479
     2        0.9388             nan     0.1589    0.0333
     3        0.8906             nan     0.1589    0.0241
     4        0.8499             nan     0.1589    0.0198
     5        0.8192             nan     0.1589    0.0161
     6        0.7955             nan     0.1589    0.0114
     7        0.7769             nan     0.1589    0.0093
     8        0.7605             nan     0.1589    0.0078
     9        0.7474             nan     0.1589    0.0065
    10        0.7360             nan     0.1589    0.0055
    20        0.6638             nan     0.1589    0.0026
    40        0.6166             nan     0.1589    0.0006
    60        0.5983             nan     0.1589    0.0003
    80        0.5885             nan     0.1589   -0.0000
   100        0.5807             nan     0.1589    0.0001
   120        0.5755             nan     0.1589    0.0001
   140        0.5715             nan     0.1589   -0.0001
   160        0.5660             nan     0.1589    0.0000
   180        0.5616             nan     0.1589    0.0001
   200        0.5582             nan     0.1589   -0.0000
   220        0.5544             nan     0.1589    0.0002
   240        0.5525             nan     0.1589   -0.0001
   260        0.5505             nan     0.1589   -0.0001
   280        0.5483             nan     0.1589   -0.0001
   300        0.5465             nan     0.1589   -0.0001
   320        0.5440             nan     0.1589   -0.0001
   340        0.5416             nan     0.1589   -0.0001
   360        0.5399             nan     0.1589   -0.0000
   380        0.5377             nan     0.1589   -0.0003
   400        0.5360             nan     0.1589   -0.0001
   420        0.5346             nan     0.1589   -0.0001
   440        0.5329             nan     0.1589   -0.0002
   460        0.5311             nan     0.1589   -0.0001
   480        0.5293             nan     0.1589   -0.0002
   500        0.5282             nan     0.1589   -0.0001
   520        0.5263             nan     0.1589   -0.0002
   540        0.5246             nan     0.1589   -0.0000
   557        0.5241             nan     0.1589   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0173             nan     0.1591    0.0413
     2        0.9598             nan     0.1591    0.0288
     3        0.9105             nan     0.1591    0.0245
     4        0.8745             nan     0.1591    0.0179
     5        0.8506             nan     0.1591    0.0115
     6        0.8265             nan     0.1591    0.0123
     7        0.8064             nan     0.1591    0.0099
     8        0.7938             nan     0.1591    0.0066
     9        0.7794             nan     0.1591    0.0065
    10        0.7670             nan     0.1591    0.0060
    20        0.6882             nan     0.1591    0.0019
    40        0.6355             nan     0.1591    0.0008
    60        0.6131             nan     0.1591    0.0005
    80        0.6030             nan     0.1591    0.0002
   100        0.5935             nan     0.1591   -0.0000
   120        0.5868             nan     0.1591   -0.0000
   140        0.5810             nan     0.1591   -0.0001
   160        0.5763             nan     0.1591   -0.0001
   180        0.5728             nan     0.1591   -0.0000
   200        0.5697             nan     0.1591    0.0000
   220        0.5673             nan     0.1591   -0.0001
   240        0.5653             nan     0.1591   -0.0001
   260        0.5629             nan     0.1591   -0.0001
   280        0.5606             nan     0.1591   -0.0001
   300        0.5583             nan     0.1591   -0.0002
   320        0.5571             nan     0.1591    0.0000
   340        0.5546             nan     0.1591   -0.0001
   360        0.5532             nan     0.1591   -0.0000
   380        0.5514             nan     0.1591   -0.0000
   400        0.5501             nan     0.1591   -0.0001
   420        0.5490             nan     0.1591    0.0000
   440        0.5479             nan     0.1591   -0.0001
   460        0.5463             nan     0.1591   -0.0002
   480        0.5449             nan     0.1591   -0.0001
   500        0.5431             nan     0.1591    0.0000
   520        0.5419             nan     0.1591   -0.0001
   540        0.5406             nan     0.1591   -0.0000
   560        0.5391             nan     0.1591   -0.0000
   580        0.5379             nan     0.1591   -0.0000
   600        0.5365             nan     0.1591   -0.0001
   620        0.5356             nan     0.1591   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9946             nan     0.1593    0.0533
     2        0.9251             nan     0.1593    0.0337
     3        0.8745             nan     0.1593    0.0253
     4        0.8380             nan     0.1593    0.0180
     5        0.8108             nan     0.1593    0.0130
     6        0.7855             nan     0.1593    0.0120
     7        0.7618             nan     0.1593    0.0116
     8        0.7451             nan     0.1593    0.0086
     9        0.7279             nan     0.1593    0.0080
    10        0.7137             nan     0.1593    0.0065
    20        0.6473             nan     0.1593    0.0019
    40        0.6057             nan     0.1593    0.0007
    60        0.5881             nan     0.1593    0.0003
    80        0.5790             nan     0.1593   -0.0000
   100        0.5720             nan     0.1593   -0.0001
   120        0.5654             nan     0.1593    0.0000
   140        0.5618             nan     0.1593   -0.0001
   160        0.5579             nan     0.1593   -0.0002
   180        0.5551             nan     0.1593   -0.0002
   200        0.5514             nan     0.1593   -0.0002
   220        0.5484             nan     0.1593    0.0001
   240        0.5456             nan     0.1593   -0.0002
   260        0.5427             nan     0.1593    0.0002
   280        0.5396             nan     0.1593   -0.0001
   300        0.5368             nan     0.1593   -0.0001
   320        0.5347             nan     0.1593   -0.0002
   340        0.5330             nan     0.1593   -0.0001
   360        0.5308             nan     0.1593   -0.0002
   380        0.5289             nan     0.1593   -0.0002
   400        0.5274             nan     0.1593   -0.0002
   420        0.5260             nan     0.1593   -0.0002
   440        0.5248             nan     0.1593   -0.0002
   460        0.5223             nan     0.1593   -0.0001
   480        0.5204             nan     0.1593   -0.0001
   500        0.5187             nan     0.1593   -0.0001
   520        0.5174             nan     0.1593   -0.0002
   540        0.5159             nan     0.1593   -0.0001
   560        0.5145             nan     0.1593   -0.0003
   580        0.5131             nan     0.1593   -0.0001
   600        0.5117             nan     0.1593   -0.0002
   620        0.5102             nan     0.1593   -0.0001
   639        0.5089             nan     0.1593   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9890             nan     0.1625    0.0554
     2        0.9179             nan     0.1625    0.0344
     3        0.8653             nan     0.1625    0.0259
     4        0.8251             nan     0.1625    0.0202
     5        0.7951             nan     0.1625    0.0147
     6        0.7701             nan     0.1625    0.0125
     7        0.7501             nan     0.1625    0.0096
     8        0.7303             nan     0.1625    0.0092
     9        0.7159             nan     0.1625    0.0071
    10        0.7046             nan     0.1625    0.0054
    20        0.6391             nan     0.1625    0.0019
    40        0.5937             nan     0.1625    0.0008
    60        0.5777             nan     0.1625   -0.0000
    80        0.5683             nan     0.1625   -0.0001
   100        0.5603             nan     0.1625   -0.0000
   120        0.5554             nan     0.1625   -0.0001
   140        0.5498             nan     0.1625   -0.0002
   160        0.5444             nan     0.1625   -0.0001
   180        0.5409             nan     0.1625   -0.0002
   185        0.5400             nan     0.1625   -0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9903             nan     0.1685    0.0555
     2        0.9178             nan     0.1685    0.0367
     3        0.8700             nan     0.1685    0.0241
     4        0.8333             nan     0.1685    0.0183
     5        0.8033             nan     0.1685    0.0148
     6        0.7774             nan     0.1685    0.0125
     7        0.7592             nan     0.1685    0.0088
     8        0.7424             nan     0.1685    0.0083
     9        0.7281             nan     0.1685    0.0064
    10        0.7167             nan     0.1685    0.0056
    20        0.6428             nan     0.1685    0.0013
    40        0.5985             nan     0.1685    0.0001
    60        0.5813             nan     0.1685   -0.0000
    80        0.5682             nan     0.1685   -0.0001
   100        0.5597             nan     0.1685   -0.0002
   120        0.5533             nan     0.1685   -0.0001
   140        0.5475             nan     0.1685   -0.0002
   160        0.5425             nan     0.1685   -0.0001
   180        0.5362             nan     0.1685   -0.0002
   200        0.5322             nan     0.1685   -0.0001
   220        0.5286             nan     0.1685   -0.0003
   240        0.5250             nan     0.1685   -0.0001
   260        0.5215             nan     0.1685   -0.0001
   280        0.5178             nan     0.1685   -0.0002
   300        0.5150             nan     0.1685   -0.0000
   320        0.5115             nan     0.1685   -0.0000
   340        0.5083             nan     0.1685   -0.0001
   360        0.5056             nan     0.1685   -0.0001
   380        0.5026             nan     0.1685   -0.0001
   400        0.5000             nan     0.1685   -0.0002
   420        0.4970             nan     0.1685   -0.0001
   440        0.4941             nan     0.1685   -0.0001
   460        0.4922             nan     0.1685   -0.0002
   480        0.4902             nan     0.1685   -0.0002
   500        0.4876             nan     0.1685   -0.0002
   520        0.4853             nan     0.1685   -0.0002
   540        0.4826             nan     0.1685   -0.0001
   560        0.4797             nan     0.1685   -0.0001
   580        0.4771             nan     0.1685   -0.0001
   600        0.4746             nan     0.1685   -0.0001
   620        0.4727             nan     0.1685   -0.0000
   640        0.4705             nan     0.1685   -0.0002
   660        0.4683             nan     0.1685   -0.0002
   680        0.4659             nan     0.1685   -0.0001
   700        0.4635             nan     0.1685   -0.0003
   720        0.4615             nan     0.1685   -0.0002
   740        0.4594             nan     0.1685   -0.0001
   750        0.4583             nan     0.1685   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0126             nan     0.1687    0.0436
     2        0.9528             nan     0.1687    0.0301
     3        0.9098             nan     0.1687    0.0215
     4        0.8685             nan     0.1687    0.0217
     5        0.8384             nan     0.1687    0.0147
     6        0.8181             nan     0.1687    0.0102
     7        0.7978             nan     0.1687    0.0105
     8        0.7849             nan     0.1687    0.0063
     9        0.7694             nan     0.1687    0.0076
    10        0.7585             nan     0.1687    0.0055
    20        0.6834             nan     0.1687    0.0024
    40        0.6323             nan     0.1687    0.0002
    60        0.6123             nan     0.1687    0.0003
    80        0.6008             nan     0.1687    0.0002
   100        0.5932             nan     0.1687    0.0001
   120        0.5872             nan     0.1687   -0.0000
   140        0.5830             nan     0.1687    0.0000
   160        0.5790             nan     0.1687    0.0001
   180        0.5755             nan     0.1687   -0.0001
   200        0.5730             nan     0.1687   -0.0001
   220        0.5700             nan     0.1687    0.0003
   240        0.5679             nan     0.1687   -0.0001
   257        0.5657             nan     0.1687   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0124             nan     0.1688    0.0440
     2        0.9525             nan     0.1688    0.0301
     3        0.9096             nan     0.1688    0.0214
     4        0.8687             nan     0.1688    0.0207
     5        0.8386             nan     0.1688    0.0148
     6        0.8176             nan     0.1688    0.0100
     7        0.8011             nan     0.1688    0.0079
     8        0.7875             nan     0.1688    0.0064
     9        0.7699             nan     0.1688    0.0086
    10        0.7564             nan     0.1688    0.0066
    20        0.6819             nan     0.1688    0.0023
    40        0.6326             nan     0.1688    0.0002
    60        0.6125             nan     0.1688    0.0001
    80        0.6010             nan     0.1688    0.0001
   100        0.5907             nan     0.1688    0.0001
   120        0.5854             nan     0.1688    0.0000
   140        0.5809             nan     0.1688   -0.0001
   160        0.5760             nan     0.1688   -0.0000
   180        0.5731             nan     0.1688   -0.0001
   200        0.5706             nan     0.1688   -0.0001
   220        0.5681             nan     0.1688   -0.0001
   240        0.5650             nan     0.1688   -0.0000
   260        0.5634             nan     0.1688   -0.0000
   280        0.5605             nan     0.1688   -0.0000
   300        0.5581             nan     0.1688   -0.0000
   320        0.5561             nan     0.1688   -0.0002
   340        0.5541             nan     0.1688   -0.0001
   360        0.5522             nan     0.1688   -0.0001
   380        0.5505             nan     0.1688   -0.0002
   400        0.5492             nan     0.1688   -0.0001
   420        0.5476             nan     0.1688   -0.0001
   440        0.5464             nan     0.1688   -0.0001
   460        0.5454             nan     0.1688   -0.0001
   480        0.5441             nan     0.1688   -0.0001
   500        0.5425             nan     0.1688   -0.0001
   520        0.5415             nan     0.1688   -0.0001
   540        0.5404             nan     0.1688   -0.0002
   560        0.5396             nan     0.1688    0.0000
   572        0.5390             nan     0.1688   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9840             nan     0.1722    0.0600
     2        0.9090             nan     0.1722    0.0376
     3        0.8574             nan     0.1722    0.0258
     4        0.8176             nan     0.1722    0.0197
     5        0.7884             nan     0.1722    0.0143
     6        0.7658             nan     0.1722    0.0112
     7        0.7450             nan     0.1722    0.0099
     8        0.7254             nan     0.1722    0.0098
     9        0.7079             nan     0.1722    0.0084
    10        0.6987             nan     0.1722    0.0040
    20        0.6312             nan     0.1722    0.0023
    40        0.5906             nan     0.1722    0.0002
    60        0.5729             nan     0.1722    0.0000
    80        0.5618             nan     0.1722    0.0002
   100        0.5543             nan     0.1722   -0.0003
   120        0.5466             nan     0.1722    0.0001
   140        0.5417             nan     0.1722   -0.0000
   160        0.5365             nan     0.1722   -0.0002
   180        0.5326             nan     0.1722   -0.0003
   200        0.5277             nan     0.1722   -0.0002
   220        0.5236             nan     0.1722    0.0002
   240        0.5202             nan     0.1722   -0.0001
   260        0.5174             nan     0.1722   -0.0002
   280        0.5136             nan     0.1722   -0.0001
   300        0.5099             nan     0.1722   -0.0003
   320        0.5065             nan     0.1722   -0.0002
   340        0.5032             nan     0.1722   -0.0001
   360        0.4996             nan     0.1722   -0.0001
   380        0.4971             nan     0.1722   -0.0002
   400        0.4947             nan     0.1722   -0.0002
   420        0.4914             nan     0.1722   -0.0002
   440        0.4890             nan     0.1722   -0.0003
   460        0.4870             nan     0.1722   -0.0003
   480        0.4847             nan     0.1722   -0.0002
   500        0.4820             nan     0.1722   -0.0001
   520        0.4796             nan     0.1722   -0.0002
   540        0.4772             nan     0.1722   -0.0001
   560        0.4753             nan     0.1722   -0.0001
   580        0.4733             nan     0.1722   -0.0001
   600        0.4714             nan     0.1722   -0.0002
   620        0.4694             nan     0.1722   -0.0002
   640        0.4668             nan     0.1722   -0.0001
   660        0.4645             nan     0.1722   -0.0001
   665        0.4640             nan     0.1722   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9822             nan     0.1728    0.0589
     2        0.9082             nan     0.1728    0.0374
     3        0.8573             nan     0.1728    0.0257
     4        0.8189             nan     0.1728    0.0188
     5        0.7890             nan     0.1728    0.0147
     6        0.7666             nan     0.1728    0.0112
     7        0.7473             nan     0.1728    0.0091
     8        0.7263             nan     0.1728    0.0104
     9        0.7132             nan     0.1728    0.0058
    10        0.7016             nan     0.1728    0.0056
    20        0.6342             nan     0.1728    0.0019
    40        0.5945             nan     0.1728    0.0001
    60        0.5775             nan     0.1728    0.0001
    80        0.5686             nan     0.1728   -0.0001
   100        0.5607             nan     0.1728   -0.0001
   120        0.5554             nan     0.1728   -0.0003
   140        0.5504             nan     0.1728   -0.0002
   160        0.5455             nan     0.1728    0.0000
   180        0.5420             nan     0.1728   -0.0001
   200        0.5383             nan     0.1728   -0.0001
   220        0.5353             nan     0.1728   -0.0003
   240        0.5328             nan     0.1728   -0.0002
   260        0.5292             nan     0.1728   -0.0002
   280        0.5265             nan     0.1728   -0.0002
   300        0.5243             nan     0.1728   -0.0001
   320        0.5222             nan     0.1728   -0.0002
   340        0.5201             nan     0.1728   -0.0003
   360        0.5181             nan     0.1728   -0.0004
   380        0.5159             nan     0.1728   -0.0001
   400        0.5137             nan     0.1728   -0.0003
   420        0.5114             nan     0.1728   -0.0002
   434        0.5102             nan     0.1728   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9849             nan     0.1746    0.0577
     2        0.9107             nan     0.1746    0.0367
     3        0.8621             nan     0.1746    0.0242
     4        0.8258             nan     0.1746    0.0179
     5        0.7931             nan     0.1746    0.0166
     6        0.7691             nan     0.1746    0.0118
     7        0.7481             nan     0.1746    0.0104
     8        0.7317             nan     0.1746    0.0078
     9        0.7171             nan     0.1746    0.0068
    10        0.7043             nan     0.1746    0.0060
    20        0.6415             nan     0.1746    0.0022
    40        0.5970             nan     0.1746    0.0002
    60        0.5781             nan     0.1746    0.0000
    80        0.5688             nan     0.1746   -0.0000
   100        0.5596             nan     0.1746   -0.0000
   120        0.5526             nan     0.1746   -0.0001
   140        0.5460             nan     0.1746   -0.0002
   160        0.5414             nan     0.1746    0.0000
   180        0.5370             nan     0.1746   -0.0001
   200        0.5323             nan     0.1746   -0.0001
   220        0.5266             nan     0.1746   -0.0002
   240        0.5228             nan     0.1746    0.0000
   260        0.5196             nan     0.1746   -0.0002
   280        0.5163             nan     0.1746   -0.0000
   300        0.5134             nan     0.1746   -0.0001
   320        0.5098             nan     0.1746   -0.0001
   340        0.5062             nan     0.1746    0.0000
   360        0.5028             nan     0.1746   -0.0002
   380        0.5001             nan     0.1746   -0.0001
   400        0.4973             nan     0.1746   -0.0001
   420        0.4950             nan     0.1746   -0.0001
   440        0.4925             nan     0.1746   -0.0002
   460        0.4893             nan     0.1746   -0.0001
   480        0.4868             nan     0.1746   -0.0001
   500        0.4839             nan     0.1746   -0.0001
   520        0.4817             nan     0.1746   -0.0002
   540        0.4795             nan     0.1746   -0.0001
   560        0.4770             nan     0.1746   -0.0001
   580        0.4747             nan     0.1746   -0.0002
   600        0.4723             nan     0.1746   -0.0001
   620        0.4704             nan     0.1746   -0.0001
   640        0.4677             nan     0.1746   -0.0000
   660        0.4654             nan     0.1746   -0.0002
   680        0.4634             nan     0.1746   -0.0000
   700        0.4616             nan     0.1746   -0.0003
   720        0.4592             nan     0.1746   -0.0001
   740        0.4572             nan     0.1746   -0.0002
   760        0.4553             nan     0.1746   -0.0001
   780        0.4527             nan     0.1746   -0.0002
   800        0.4509             nan     0.1746   -0.0003
   820        0.4490             nan     0.1746   -0.0001
   840        0.4475             nan     0.1746   -0.0001
   860        0.4455             nan     0.1746   -0.0001
   870        0.4444             nan     0.1746   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9949             nan     0.1804    0.0527
     2        0.9223             nan     0.1804    0.0357
     3        0.8749             nan     0.1804    0.0234
     4        0.8370             nan     0.1804    0.0190
     5        0.8047             nan     0.1804    0.0159
     6        0.7836             nan     0.1804    0.0101
     7        0.7653             nan     0.1804    0.0083
     8        0.7490             nan     0.1804    0.0081
     9        0.7350             nan     0.1804    0.0067
    10        0.7250             nan     0.1804    0.0045
    20        0.6549             nan     0.1804    0.0017
    40        0.6113             nan     0.1804    0.0007
    60        0.5945             nan     0.1804    0.0001
    80        0.5817             nan     0.1804    0.0001
   100        0.5744             nan     0.1804   -0.0001
   120        0.5686             nan     0.1804   -0.0000
   140        0.5637             nan     0.1804   -0.0002
   160        0.5602             nan     0.1804   -0.0002
   180        0.5565             nan     0.1804   -0.0001
   200        0.5534             nan     0.1804   -0.0002
   220        0.5505             nan     0.1804   -0.0001
   240        0.5481             nan     0.1804   -0.0001
   260        0.5459             nan     0.1804   -0.0002
   280        0.5436             nan     0.1804    0.0000
   300        0.5410             nan     0.1804   -0.0001
   320        0.5389             nan     0.1804   -0.0001
   340        0.5375             nan     0.1804   -0.0001
   360        0.5358             nan     0.1804   -0.0001
   380        0.5345             nan     0.1804   -0.0002
   400        0.5332             nan     0.1804   -0.0001
   420        0.5317             nan     0.1804   -0.0002
   440        0.5305             nan     0.1804   -0.0003
   460        0.5290             nan     0.1804   -0.0001
   480        0.5275             nan     0.1804   -0.0002
   500        0.5261             nan     0.1804   -0.0002
   520        0.5249             nan     0.1804   -0.0000
   540        0.5237             nan     0.1804   -0.0001
   560        0.5226             nan     0.1804   -0.0001
   580        0.5213             nan     0.1804   -0.0001
   600        0.5195             nan     0.1804   -0.0001
   620        0.5183             nan     0.1804   -0.0002
   640        0.5173             nan     0.1804   -0.0002
   660        0.5163             nan     0.1804   -0.0002
   667        0.5161             nan     0.1804   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9921             nan     0.1837    0.0528
     2        0.9184             nan     0.1837    0.0365
     3        0.8716             nan     0.1837    0.0230
     4        0.8303             nan     0.1837    0.0205
     5        0.7996             nan     0.1837    0.0152
     6        0.7749             nan     0.1837    0.0122
     7        0.7560             nan     0.1837    0.0094
     8        0.7413             nan     0.1837    0.0070
     9        0.7291             nan     0.1837    0.0057
    10        0.7184             nan     0.1837    0.0056
    20        0.6528             nan     0.1837    0.0020
    40        0.6085             nan     0.1837    0.0007
    60        0.5910             nan     0.1837    0.0002
    80        0.5793             nan     0.1837   -0.0000
   100        0.5717             nan     0.1837   -0.0001
   120        0.5656             nan     0.1837   -0.0000
   140        0.5605             nan     0.1837   -0.0001
   160        0.5568             nan     0.1837   -0.0001
   180        0.5535             nan     0.1837   -0.0001
   200        0.5508             nan     0.1837   -0.0001
   220        0.5478             nan     0.1837   -0.0001
   240        0.5452             nan     0.1837    0.0000
   260        0.5425             nan     0.1837   -0.0001
   280        0.5405             nan     0.1837   -0.0003
   300        0.5379             nan     0.1837   -0.0001
   320        0.5363             nan     0.1837   -0.0002
   340        0.5337             nan     0.1837   -0.0001
   360        0.5316             nan     0.1837   -0.0001
   380        0.5297             nan     0.1837   -0.0000
   400        0.5276             nan     0.1837   -0.0002
   420        0.5257             nan     0.1837   -0.0001
   440        0.5235             nan     0.1837   -0.0001
   460        0.5223             nan     0.1837   -0.0001
   480        0.5208             nan     0.1837    0.0001
   500        0.5192             nan     0.1837   -0.0002
   507        0.5188             nan     0.1837   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0072             nan     0.1839    0.0466
     2        0.9435             nan     0.1839    0.0303
     3        0.8992             nan     0.1839    0.0217
     4        0.8570             nan     0.1839    0.0213
     5        0.8294             nan     0.1839    0.0135
     6        0.8052             nan     0.1839    0.0125
     7        0.7887             nan     0.1839    0.0077
     8        0.7756             nan     0.1839    0.0065
     9        0.7595             nan     0.1839    0.0080
    10        0.7461             nan     0.1839    0.0064
    20        0.6729             nan     0.1839    0.0028
    40        0.6269             nan     0.1839    0.0007
    60        0.6091             nan     0.1839    0.0002
    80        0.5988             nan     0.1839   -0.0000
   100        0.5914             nan     0.1839   -0.0001
   120        0.5852             nan     0.1839    0.0001
   140        0.5804             nan     0.1839   -0.0000
   160        0.5761             nan     0.1839   -0.0000
   180        0.5738             nan     0.1839   -0.0001
   200        0.5716             nan     0.1839   -0.0001
   220        0.5689             nan     0.1839   -0.0001
   240        0.5658             nan     0.1839   -0.0001
   260        0.5639             nan     0.1839   -0.0001
   280        0.5624             nan     0.1839   -0.0000
   300        0.5606             nan     0.1839   -0.0001
   320        0.5584             nan     0.1839   -0.0001
   340        0.5569             nan     0.1839   -0.0002
   360        0.5554             nan     0.1839    0.0001
   380        0.5542             nan     0.1839   -0.0001
   400        0.5527             nan     0.1839   -0.0001
   420        0.5510             nan     0.1839   -0.0001
   440        0.5499             nan     0.1839   -0.0002
   460        0.5490             nan     0.1839   -0.0002
   480        0.5480             nan     0.1839   -0.0000
   500        0.5462             nan     0.1839   -0.0001
   520        0.5452             nan     0.1839   -0.0002
   540        0.5448             nan     0.1839   -0.0001
   560        0.5436             nan     0.1839   -0.0002
   580        0.5427             nan     0.1839   -0.0001
   600        0.5421             nan     0.1839   -0.0000
   620        0.5415             nan     0.1839   -0.0001
   640        0.5410             nan     0.1839   -0.0001
   660        0.5405             nan     0.1839   -0.0001
   680        0.5398             nan     0.1839   -0.0001
   700        0.5391             nan     0.1839   -0.0000
   706        0.5388             nan     0.1839   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0021             nan     0.1931    0.0485
     2        0.9374             nan     0.1931    0.0315
     3        0.8841             nan     0.1931    0.0258
     4        0.8477             nan     0.1931    0.0184
     5        0.8240             nan     0.1931    0.0118
     6        0.8066             nan     0.1931    0.0081
     7        0.7851             nan     0.1931    0.0106
     8        0.7720             nan     0.1931    0.0062
     9        0.7569             nan     0.1931    0.0077
    10        0.7454             nan     0.1931    0.0057
    20        0.6720             nan     0.1931    0.0011
    40        0.6249             nan     0.1931    0.0001
    60        0.6075             nan     0.1931   -0.0000
    80        0.5967             nan     0.1931    0.0001
   100        0.5887             nan     0.1931   -0.0001
   120        0.5829             nan     0.1931   -0.0001
   140        0.5783             nan     0.1931   -0.0001
   160        0.5741             nan     0.1931   -0.0001
   180        0.5712             nan     0.1931   -0.0001
   200        0.5686             nan     0.1931   -0.0001
   220        0.5664             nan     0.1931   -0.0001
   240        0.5642             nan     0.1931   -0.0001
   260        0.5619             nan     0.1931   -0.0002
   280        0.5593             nan     0.1931   -0.0002
   300        0.5577             nan     0.1931   -0.0001
   320        0.5566             nan     0.1931   -0.0001
   340        0.5550             nan     0.1931   -0.0001
   360        0.5532             nan     0.1931   -0.0001
   380        0.5520             nan     0.1931   -0.0000
   400        0.5508             nan     0.1931   -0.0001
   420        0.5490             nan     0.1931   -0.0001
   440        0.5482             nan     0.1931   -0.0001
   460        0.5476             nan     0.1931   -0.0001
   480        0.5466             nan     0.1931   -0.0002
   500        0.5457             nan     0.1931   -0.0001
   520        0.5448             nan     0.1931   -0.0001
   540        0.5435             nan     0.1931   -0.0001
   560        0.5426             nan     0.1931   -0.0001
   580        0.5417             nan     0.1931   -0.0001
   600        0.5404             nan     0.1931   -0.0001
   620        0.5397             nan     0.1931   -0.0001
   637        0.5387             nan     0.1931    0.0000

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9878             nan     0.1938    0.0563
     2        0.9118             nan     0.1938    0.0382
     3        0.8626             nan     0.1938    0.0248
     4        0.8297             nan     0.1938    0.0170
     5        0.7986             nan     0.1938    0.0153
     6        0.7775             nan     0.1938    0.0100
     7        0.7561             nan     0.1938    0.0105
     8        0.7387             nan     0.1938    0.0085
     9        0.7260             nan     0.1938    0.0059
    10        0.7158             nan     0.1938    0.0045
    20        0.6497             nan     0.1938    0.0012
    40        0.6068             nan     0.1938    0.0005
    60        0.5898             nan     0.1938   -0.0001
    80        0.5789             nan     0.1938    0.0000
   100        0.5723             nan     0.1938   -0.0001
   120        0.5664             nan     0.1938   -0.0001
   140        0.5615             nan     0.1938   -0.0002
   160        0.5566             nan     0.1938   -0.0001
   180        0.5515             nan     0.1938   -0.0001
   200        0.5489             nan     0.1938   -0.0001
   220        0.5450             nan     0.1938   -0.0002
   240        0.5408             nan     0.1938   -0.0001
   260        0.5382             nan     0.1938   -0.0001
   280        0.5357             nan     0.1938   -0.0001
   300        0.5338             nan     0.1938   -0.0001
   320        0.5320             nan     0.1938   -0.0001
   340        0.5301             nan     0.1938   -0.0001
   360        0.5272             nan     0.1938   -0.0001
   380        0.5249             nan     0.1938   -0.0001
   400        0.5227             nan     0.1938   -0.0001
   420        0.5207             nan     0.1938   -0.0001
   440        0.5187             nan     0.1938   -0.0002
   460        0.5170             nan     0.1938   -0.0001
   480        0.5147             nan     0.1938   -0.0001
   500        0.5132             nan     0.1938   -0.0002
   520        0.5118             nan     0.1938   -0.0001
   523        0.5115             nan     0.1938   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0270             nan     0.1946    0.0359
     2        0.9828             nan     0.1946    0.0212
     3        0.9407             nan     0.1946    0.0220
     4        0.9114             nan     0.1946    0.0145
     5        0.8822             nan     0.1946    0.0146
     6        0.8641             nan     0.1946    0.0091
     7        0.8445             nan     0.1946    0.0098
     8        0.8275             nan     0.1946    0.0081
     9        0.8162             nan     0.1946    0.0054
    10        0.8055             nan     0.1946    0.0053
    20        0.7265             nan     0.1946    0.0033
    40        0.6645             nan     0.1946    0.0006
    60        0.6384             nan     0.1946    0.0002
    80        0.6254             nan     0.1946    0.0000
   100        0.6161             nan     0.1946   -0.0000
   120        0.6088             nan     0.1946    0.0001
   140        0.6044             nan     0.1946   -0.0000
   160        0.5995             nan     0.1946    0.0002
   180        0.5971             nan     0.1946   -0.0000
   200        0.5941             nan     0.1946   -0.0000
   220        0.5922             nan     0.1946   -0.0001
   240        0.5904             nan     0.1946   -0.0001
   260        0.5880             nan     0.1946   -0.0001
   280        0.5865             nan     0.1946   -0.0000
   300        0.5855             nan     0.1946   -0.0001
   320        0.5843             nan     0.1946   -0.0001
   340        0.5833             nan     0.1946   -0.0001
   360        0.5821             nan     0.1946   -0.0001
   380        0.5813             nan     0.1946   -0.0001
   400        0.5807             nan     0.1946   -0.0001
   420        0.5802             nan     0.1946   -0.0000
   440        0.5796             nan     0.1946   -0.0001
   460        0.5792             nan     0.1946   -0.0001
   480        0.5785             nan     0.1946   -0.0001
   500        0.5781             nan     0.1946   -0.0001
   520        0.5778             nan     0.1946   -0.0001
   540        0.5771             nan     0.1946   -0.0000
   560        0.5768             nan     0.1946   -0.0001
   580        0.5765             nan     0.1946   -0.0001
   600        0.5760             nan     0.1946   -0.0001
   603        0.5760             nan     0.1946   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0025             nan     0.1956    0.0495
     2        0.9380             nan     0.1956    0.0325
     3        0.8843             nan     0.1956    0.0264
     4        0.8487             nan     0.1956    0.0181
     5        0.8246             nan     0.1956    0.0124
     6        0.8012             nan     0.1956    0.0118
     7        0.7843             nan     0.1956    0.0084
     8        0.7650             nan     0.1956    0.0094
     9        0.7526             nan     0.1956    0.0057
    10        0.7422             nan     0.1956    0.0048
    20        0.6685             nan     0.1956    0.0024
    40        0.6222             nan     0.1956    0.0005
    60        0.6047             nan     0.1956    0.0002
    80        0.5927             nan     0.1956    0.0000
   100        0.5841             nan     0.1956    0.0002
   120        0.5792             nan     0.1956   -0.0002
   140        0.5744             nan     0.1956   -0.0001
   160        0.5708             nan     0.1956   -0.0000
   180        0.5664             nan     0.1956   -0.0001
   200        0.5635             nan     0.1956   -0.0001
   220        0.5604             nan     0.1956   -0.0001
   240        0.5577             nan     0.1956   -0.0001
   260        0.5553             nan     0.1956   -0.0001
   280        0.5535             nan     0.1956   -0.0003
   300        0.5518             nan     0.1956   -0.0000
   310        0.5512             nan     0.1956   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0053             nan     0.1958    0.0464
     2        0.9372             nan     0.1958    0.0340
     3        0.8864             nan     0.1958    0.0259
     4        0.8567             nan     0.1958    0.0147
     5        0.8262             nan     0.1958    0.0149
     6        0.7996             nan     0.1958    0.0128
     7        0.7791             nan     0.1958    0.0101
     8        0.7639             nan     0.1958    0.0075
     9        0.7496             nan     0.1958    0.0068
    10        0.7374             nan     0.1958    0.0057
    20        0.6681             nan     0.1958    0.0028
    40        0.6251             nan     0.1958    0.0002
    60        0.6068             nan     0.1958    0.0001
    80        0.5964             nan     0.1958   -0.0000
   100        0.5898             nan     0.1958    0.0000
   120        0.5840             nan     0.1958    0.0001
   140        0.5789             nan     0.1958   -0.0002
   160        0.5747             nan     0.1958   -0.0001
   180        0.5713             nan     0.1958   -0.0000
   200        0.5687             nan     0.1958   -0.0001
   220        0.5664             nan     0.1958   -0.0000
   240        0.5645             nan     0.1958    0.0000
   260        0.5627             nan     0.1958   -0.0001
   280        0.5609             nan     0.1958   -0.0000
   300        0.5595             nan     0.1958   -0.0001
   320        0.5576             nan     0.1958   -0.0001
   340        0.5563             nan     0.1958   -0.0001
   360        0.5544             nan     0.1958   -0.0002
   380        0.5528             nan     0.1958   -0.0001
   400        0.5507             nan     0.1958   -0.0002
   420        0.5495             nan     0.1958   -0.0001
   440        0.5480             nan     0.1958   -0.0001
   460        0.5471             nan     0.1958   -0.0001
   467        0.5470             nan     0.1958   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0007             nan     0.1968    0.0490
     2        0.9230             nan     0.1968    0.0394
     3        0.8787             nan     0.1968    0.0219
     4        0.8401             nan     0.1968    0.0189
     5        0.8169             nan     0.1968    0.0119
     6        0.7980             nan     0.1968    0.0093
     7        0.7783             nan     0.1968    0.0097
     8        0.7603             nan     0.1968    0.0093
     9        0.7465             nan     0.1968    0.0066
    10        0.7354             nan     0.1968    0.0053
    20        0.6652             nan     0.1968    0.0020
    40        0.6238             nan     0.1968    0.0003
    60        0.6070             nan     0.1968    0.0001
    80        0.5965             nan     0.1968    0.0002
   100        0.5888             nan     0.1968    0.0000
   120        0.5817             nan     0.1968    0.0001
   140        0.5768             nan     0.1968   -0.0000
   160        0.5728             nan     0.1968    0.0001
   180        0.5681             nan     0.1968    0.0003
   200        0.5666             nan     0.1968   -0.0001
   220        0.5637             nan     0.1968   -0.0002
   240        0.5610             nan     0.1968   -0.0001
   260        0.5578             nan     0.1968    0.0000
   277        0.5561             nan     0.1968   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9999             nan     0.1973    0.0495
     2        0.9359             nan     0.1973    0.0325
     3        0.8817             nan     0.1973    0.0266
     4        0.8488             nan     0.1973    0.0155
     5        0.8199             nan     0.1973    0.0146
     6        0.7954             nan     0.1973    0.0124
     7        0.7768             nan     0.1973    0.0089
     8        0.7616             nan     0.1973    0.0073
     9        0.7507             nan     0.1973    0.0052
    10        0.7372             nan     0.1973    0.0063
    20        0.6677             nan     0.1973    0.0019
    40        0.6227             nan     0.1973    0.0003
    60        0.6046             nan     0.1973    0.0003
    80        0.5950             nan     0.1973   -0.0002
   100        0.5880             nan     0.1973   -0.0000
   120        0.5832             nan     0.1973    0.0000
   140        0.5790             nan     0.1973   -0.0001
   160        0.5752             nan     0.1973   -0.0001
   180        0.5715             nan     0.1973   -0.0001
   200        0.5682             nan     0.1973    0.0000
   220        0.5651             nan     0.1973   -0.0001
   240        0.5636             nan     0.1973   -0.0001
   260        0.5616             nan     0.1973   -0.0000
   280        0.5600             nan     0.1973   -0.0002
   300        0.5574             nan     0.1973   -0.0000
   320        0.5561             nan     0.1973   -0.0001
   340        0.5545             nan     0.1973   -0.0001
   360        0.5534             nan     0.1973   -0.0001
   380        0.5522             nan     0.1973   -0.0002
   400        0.5502             nan     0.1973   -0.0001
   420        0.5488             nan     0.1973   -0.0001

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9847             nan     0.1983    0.0579
     2        0.9088             nan     0.1983    0.0372
     3        0.8615             nan     0.1983    0.0234
     4        0.8210             nan     0.1983    0.0211
     5        0.7927             nan     0.1983    0.0140
     6        0.7660             nan     0.1983    0.0133
     7        0.7505             nan     0.1983    0.0074
     8        0.7352             nan     0.1983    0.0074
     9        0.7207             nan     0.1983    0.0070
    10        0.7080             nan     0.1983    0.0060
    20        0.6431             nan     0.1983    0.0015
    40        0.6059             nan     0.1983    0.0006
    60        0.5901             nan     0.1983    0.0001
    80        0.5803             nan     0.1983    0.0001
   100        0.5728             nan     0.1983   -0.0002
   120        0.5675             nan     0.1983   -0.0001
   140        0.5628             nan     0.1983   -0.0002
   160        0.5593             nan     0.1983   -0.0001
   180        0.5560             nan     0.1983   -0.0001
   200        0.5535             nan     0.1983   -0.0000
   220        0.5512             nan     0.1983   -0.0001
   240        0.5495             nan     0.1983   -0.0002
   260        0.5465             nan     0.1983   -0.0002
   280        0.5444             nan     0.1983   -0.0001
   300        0.5422             nan     0.1983   -0.0001
   320        0.5398             nan     0.1983   -0.0000
   340        0.5381             nan     0.1983   -0.0002
   360        0.5355             nan     0.1983   -0.0002
   380        0.5342             nan     0.1983   -0.0002
   400        0.5327             nan     0.1983   -0.0001
   420        0.5313             nan     0.1983   -0.0003
   440        0.5297             nan     0.1983   -0.0002
   460        0.5282             nan     0.1983   -0.0001
   480        0.5267             nan     0.1983   -0.0003
   500        0.5249             nan     0.1983   -0.0001
   520        0.5236             nan     0.1983   -0.0002
   540        0.5227             nan     0.1983   -0.0002
   560        0.5214             nan     0.1983   -0.0001
   580        0.5205             nan     0.1983   -0.0002
   594        0.5195             nan     0.1983   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        0.9849             nan     0.1999    0.0576
     2        0.9080             nan     0.1999    0.0383
     3        0.8606             nan     0.1999    0.0231
     4        0.8192             nan     0.1999    0.0205
     5        0.7924             nan     0.1999    0.0131
     6        0.7680             nan     0.1999    0.0120
     7        0.7525             nan     0.1999    0.0082
     8        0.7384             nan     0.1999    0.0065
     9        0.7210             nan     0.1999    0.0086
    10        0.7105             nan     0.1999    0.0052
    20        0.6461             nan     0.1999    0.0016
    40        0.6072             nan     0.1999    0.0005
    60        0.5901             nan     0.1999    0.0001
    80        0.5787             nan     0.1999    0.0003
   100        0.5706             nan     0.1999   -0.0000
   120        0.5646             nan     0.1999   -0.0000
   140        0.5600             nan     0.1999   -0.0001
   160        0.5563             nan     0.1999   -0.0001
   180        0.5525             nan     0.1999   -0.0001
   196        0.5504             nan     0.1999   -0.0002

Iter   TrainDeviance   ValidDeviance   StepSize   Improve
     1        1.0803             nan     0.0280    0.0104
     2        1.0614             nan     0.0280    0.0094
     3        1.0436             nan     0.0280    0.0089
     4        1.0274             nan     0.0280    0.0082
     5        1.0121             nan     0.0280    0.0078
     6        0.9976             nan     0.0280    0.0072
     7        0.9841             nan     0.0280    0.0067
     8        0.9713             nan     0.0280    0.0064
     9        0.9592             nan     0.0280    0.0060
    10        0.9479             nan     0.0280    0.0056
    20        0.8610             nan     0.0280    0.0035
    40        0.7637             nan     0.0280    0.0019
    60        0.7081             nan     0.0280    0.0010
    80        0.6748             nan     0.0280    0.0005
   100        0.6522             nan     0.0280    0.0004
   120        0.6374             nan     0.0280    0.0003
   140        0.6251             nan     0.0280    0.0003
   160        0.6163             nan     0.0280    0.0002
   180        0.6089             nan     0.0280    0.0001
   200        0.6018             nan     0.0280    0.0002
   220        0.5969             nan     0.0280    0.0001
   240        0.5929             nan     0.0280    0.0001
   260        0.5887             nan     0.0280    0.0000
   280        0.5857             nan     0.0280    0.0001
   300        0.5824             nan     0.0280   -0.0000
   320        0.5796             nan     0.0280    0.0001
   340        0.5769             nan     0.0280    0.0000
   360        0.5750             nan     0.0280    0.0000
   380        0.5732             nan     0.0280    0.0000
   400        0.5713             nan     0.0280    0.0000
   420        0.5691             nan     0.0280   -0.0000
   440        0.5670             nan     0.0280    0.0000
   460        0.5655             nan     0.0280    0.0000
   480        0.5640             nan     0.0280   -0.0000
   500        0.5626             nan     0.0280    0.0000
   520        0.5608             nan     0.0280   -0.0000
   540        0.5594             nan     0.0280   -0.0000
   560        0.5581             nan     0.0280   -0.0000
   580        0.5568             nan     0.0280   -0.0000
   600        0.5557             nan     0.0280    0.0000
   620        0.5545             nan     0.0280    0.0000
   640        0.5533             nan     0.0280    0.0000
   660        0.5519             nan     0.0280   -0.0000
   680        0.5510             nan     0.0280   -0.0000
   700        0.5502             nan     0.0280   -0.0000
   720        0.5488             nan     0.0280   -0.0000
   740        0.5479             nan     0.0280   -0.0000
   760        0.5469             nan     0.0280   -0.0000
   780        0.5460             nan     0.0280   -0.0000
   800        0.5451             nan     0.0280   -0.0000
   820        0.5441             nan     0.0280   -0.0000
   840        0.5432             nan     0.0280    0.0000
   860        0.5422             nan     0.0280   -0.0000
   880        0.5411             nan     0.0280   -0.0000
   900        0.5404             nan     0.0280    0.0000
   918        0.5395             nan     0.0280    0.0001
# Look at which  variables are important
summary(trainClustObjModel)

                                                              var     rel.inf
marital_statusmarried_civ_spouse marital_statusmarried_civ_spouse 34.14386943
capital_gain                                         capital_gain 19.28350397
education_num                                       education_num 18.46386352
capital_loss                                         capital_loss  6.69790543
age                                                           age  6.00886443
hours_per_week                                     hours_per_week  4.57948258
fnlwgt                                                     fnlwgt  2.13435266
occupationexec_managerial               occupationexec_managerial  1.91368944
occupationprof_specialty                 occupationprof_specialty  0.97579120
relationshipwife                                 relationshipwife  0.68197531
workclassself_emp_not_inc               workclassself_emp_not_inc  0.47497735
occupationother_service                   occupationother_service  0.36278234
occupationtech_support                     occupationtech_support  0.26625847
occupationfarming_fishing               occupationfarming_fishing  0.26575993
occupationsales                                   occupationsales  0.25872567
workclassfederal_gov                         workclassfederal_gov  0.25710659
cluster                                                   cluster  0.24686851
educationbachelors                             educationbachelors  0.21072017
sexfemale                                               sexfemale  0.20332298
workclasslocal_gov                             workclasslocal_gov  0.19546928
relationshipnot_in_family               relationshipnot_in_family  0.19024993
relationshiphusband                           relationshiphusband  0.17126066
workclassself_emp_inc                       workclassself_emp_inc  0.16987011
occupationprotective_serv               occupationprotective_serv  0.16880614
racewhite                                               racewhite  0.16403918
sexmale                                                   sexmale  0.12969370
occupationadm_clerical                     occupationadm_clerical  0.09803062
workclassprivate                                 workclassprivate  0.08943273
occupationhandlers_cleaners           occupationhandlers_cleaners  0.07982659
occupationmachine_op_inspct           occupationmachine_op_inspct  0.07903017
occupationcraft_repair                     occupationcraft_repair  0.07608076
raceasian_pac_islander                     raceasian_pac_islander  0.06810248
marital_statuswidowed                       marital_statuswidowed  0.06023973
marital_statusnever_married           marital_statusnever_married  0.05980623
educationsome_college                       educationsome_college  0.05970615
educationassoc_voc                             educationassoc_voc  0.05949534
educationprof_school                         educationprof_school  0.05773394
 [ reached 'max' / getOption("max.print") -- omitted 30 rows ]

Again, do the same as before but for our clustered dataset

# Adding missing dummy variables to test set ------------------------------
# Clustered countries
# Coefficient names used in the model
coefNames <- data.frame(names = trainClustObjModel$coefnames) %>% 
  mutate(n = 1)

testClustNames <- data.frame(names = names(testClust)) %>% 
  mutate(n = 1)

# Check difference in Model Coefficient names and test dataset
nameDiff <- dplyr::anti_join(coefNames, testClustNames)

# Add variables that are missing from test
for (nm in nameDiff$names) {
  testClust[[nm]] <- 0
}

Model evaluation on both models.

First use the model to predict on the train set, then print some evaluation metrics.

# Model evaluation --------------------------------------------------------
# Original with Countries
# Get predictions and probabilities on your test data
origPredRawtrain  <- predict(object = trainOrigObjModel, trainOrig, type = 'raw')
origPredProbtrain <- predict(object = trainOrigObjModel, trainOrig, type = 'prob')

head(origPredRawtrain)
[1] low  low  low  low  low  high
Levels: high low
head(origPredProbtrain)
        high        low
1 0.04764373 0.95235627
2 0.03047931 0.96952069
3 0.10288000 0.89712000
4 0.46509916 0.53490084
5 0.49935389 0.50064611
6 0.93056704 0.06943296
# Overall Accuracy
print(caret::postResample(pred = origPredRawtrain, obs = as.factor(trainOrig[,"income"])))
 Accuracy     Kappa 
0.8786764 0.6438735 
aucOrigtrain <- pROC::roc(ifelse(trainOrig[,"income"] == "high", 1, 0), origPredProbtrain[[1]])

print(aucOrigtrain$auc)
Area under the curve: 0.934

Then use the model to predict on the test set and print some evaluation metrics.

# Model evaluation --------------------------------------------------------
# Original with Countries
# Get predictions and probabilities on your test data
origPredRaw  <- predict(object = trainOrigObjModel, testOrig, type = 'raw')
origPredProb <- predict(object = trainOrigObjModel, testOrig, type = 'prob')

head(origPredRaw)
[1] low low low low low low
Levels: high low
head(origPredProb)
        high       low
1 0.01180675 0.9881933
2 0.18111979 0.8188802
3 0.00883936 0.9911606
4 0.21063047 0.7893695
5 0.06003797 0.9399620
6 0.29277881 0.7072212
# Overall Accuracy
print(caret::postResample(pred = origPredRaw, obs = as.factor(testOrig[,"income"])))
 Accuracy     Kappa 
0.8669825 0.6117623 
aucOrig <- pROC::roc(ifelse(testOrig[,"income"] == "high", 1, 0), origPredProb[[1]])

print(aucOrig$auc)
Area under the curve: 0.927

Repeat the same on the Clustered data for train

# Clustered data
# Get predictions and probabilities on your test data
clustPredRawtrain <- predict(object = trainClustObjModel, trainClust, type = 'raw')
clustPredProbtrain <- predict(object = trainClustObjModel, trainClust, type = 'prob')

head(clustPredRawtrain)
[1] low  low  low  high low  high
Levels: high low
head(clustPredProbtrain)
        high       low
1 0.04116547 0.9588345
2 0.02929703 0.9707030
3 0.10164006 0.8983599
4 0.52784644 0.4721536
5 0.47643135 0.5235686
6 0.93420420 0.0657958
# Overall Accuracy
print(caret::postResample(pred = clustPredRawtrain, obs = as.factor(trainClust[,"income"])))
 Accuracy     Kappa 
0.8786443 0.6438668 
aucClusttrain <- pROC::roc(ifelse(trainClust[,"income"] == "high", 1, 0), clustPredProbtrain[[1]])

print(aucClusttrain$auc)
Area under the curve: 0.9342

Repeat the same on the Clustered data for test

# Clustered data
# Get predictions and probabilities on your test data
clustPredRaw <- predict(object = trainClustObjModel, testClust, type = 'raw')
clustPredProb <- predict(object = trainClustObjModel, testClust, type = 'prob')

head(clustPredRaw)
[1] low low low low low low
Levels: high low
head(clustPredProb)
         high       low
1 0.008639805 0.9913602
2 0.174584832 0.8254152
3 0.008546076 0.9914539
4 0.269156874 0.7308431
5 0.069200820 0.9307992
6 0.289710354 0.7102896
# Overall Accuracy
print(caret::postResample(pred = clustPredRaw, obs = as.factor(testClust[,"income"])))
 Accuracy     Kappa 
0.8671105 0.6134165 
aucClust <- pROC::roc(ifelse(testClust[,"income"] == "high", 1, 0), clustPredProb[[1]])

print(aucClust$auc)
Area under the curve: 0.9271

Here we can see that there isn’t a big difference between the AUC for the test sets. There is a slight improvement although only marginal, ideally we would like to see a bigger improvement but it’s still good because the model with clusters is simpler and countries now has a higher variable importance achieving a similar performance.

Appendix

With K means Clustering we essentially want to minimize the Intra Cluster distance (Inertia) whilst maximizing the Inter Cluster distance (Dunn Index).

K means finds clusters such that the total intra-cluster variation (or total within-cluster sum of square (WSS)) is minimized. The total WSS measures the compactness of the clustering and we want it to be as small as possible. Refer to appendix to see how to calculate the distance using Euclidian distance.

This gif shows you how K means works: (see the appendix for links to full explanations)

As mentioned there are other types of clustering and ways to select your optimal K.

# Hierarchical clustering with Silhouette method
factoextra::fviz_nbclust(clustPrep, cluster::fanny, method = "silhouette") +
  geom_vline(xintercept = 3, linetype = 2)

# Hierarchical clustering with Gap statistic
factoextra::fviz_nbclust(clustPrep, hcut, method = "gap_stat") +
  geom_vline(xintercept = 3, linetype = 2)

Link to Cluster Metrics

Link to other types of Clustering Algorithms mentioned at the start